Skip to content

DATA_MAPPING.md

Latest commit

 

History

History
96 lines (77 loc) · 2.55 KB

DATA_MAPPING.md

File metadata and controls

96 lines (77 loc) · 2.55 KB
Raw

K리그 데이터 매핑 가이드

데이터 파일 구조

raw_data.csv

경기 이벤트 데이터 (약 57만 행)

주요 컬럼:

  • game_id: 경기 ID
  • period_id: 전반(1)/후반(2)
  • time_seconds: 경기 시간 (초)
  • team_id: 팀 ID
  • team_name_ko: 팀명 (한글)
  • type_name: 이벤트 유형
  • result_name: 결과 (Successful, Unsuccessful, On Target, Off Target, Goal)
  • start_x, start_y: 시작 좌표 (0-100)
  • end_x, end_y: 종료 좌표
  • player_name_ko: 선수명 (한글)

match_info.csv

경기 메타 정보

주요 컬럼:

  • game_id: 경기 ID
  • game_date: 경기 날짜
  • home_team_id, away_team_id: 홈/원정 팀 ID
  • home_team_name_ko, away_team_name_ko: 팀명 (한글)
  • home_score, away_score: 최종 스코어

이벤트 타입 매핑

K리그 type_name 우리 모델 event_type 설명
Shot shot 슈팅
Pass pass 패스
Carry pass 드리블 (패스로 간주)
Block defense 블록
Tackle defense 태클
Interception defense 인터셉트
Intervention defense 개입
Clearance defense 클리어런스
Recovery defense 볼 회수
Duel defense 듀얼
Goal Kick possession 골킥
Throw-In possession 스로인
Pass Received possession 패스 수신
Offside possession 오프사이드
Out possession 아웃

시간 변환

def convert_time_to_minute(period_id: int, time_seconds: float) -> int:
    if period_id == 1:  # 전반
        return int(time_seconds / 60)  # 0-45분
    elif period_id == 2:  # 후반
        return 45 + int(time_seconds / 60)  # 45-90분

xG 추정

실제 xG 데이터가 없으므로 슈팅 위치와 결과로 추정:

def estimate_xg_from_shot(shot_data):
    x = shot_data['start_x']  # 골대까지 거리
    distance_to_goal = 100 - x
    
    base_xg = (100 - distance_to_goal) / 100 * 0.5
    
    # 결과에 따른 조정
    if result == 'Goal':
        return 1.0
    elif result == 'On Target':
        return base_xg * 0.8
    elif result == 'Off Target':
        return base_xg * 0.3

좌표계

  • x 좌표: 0 (자신의 골대) ~ 100 (상대 골대)
  • y 좌표: 0 (왼쪽 사이드) ~ 100 (오른쪽 사이드)
  • 상대 진영: x > 50
  • 전진 패스: end_x > start_x

성공 여부 판단

result_name success
Successful True
Unsuccessful False
On Target True
Off Target False
Goal True