NSC First-Pitch Dataset

该数据集包含2026年全国垒球锦标赛的首投击球数据。每个击球席位的首投数据从记分台手动记录，并数字化为结构化数据集。数据集仅包括九个省级队伍的比赛，排除了涉及香港队、南京队以及因天气条件取消直播的比赛。This dataset contains first-pitch batting data from the 2026 National Softball Championships. First-pitch data for each batting plate appearance was manually recorded from the official scoreboard and digitized into a structured dataset. The dataset exclusively covers matches involving nine provincial-level teams, while excluding matches involving the Hong Kong team, Nanjing team, and those whose live broadcasts were canceled due to weather conditions.

原始信息汇总

NSC First-Pitch 数据集概述

数据集来源与范围

• 来源：2026年全国垒球锦标赛（NSC）
• 数据内容：每局第一个投球的打席数据，由记分台手动记录并数字化
• 数据格式：结构化电子表格
• 覆盖队伍：仅包含9支省级队伍，排除香港队、南京队以及因天气取消直播的比赛

数据结构

文件

• 2026垒球锦标赛.xlsx，仅含一个工作表 Sheet1

矩阵布局

• 行：打者，按队伍分组（A列=队伍标签，B列=打者缩写+惯用手，如 syj(L)）
• 列：投手，按队伍分组（第1行=队伍标签，第2行=投手缩写）
• 单元格：该打者在面对该投手的第n次打席的第一个投球结果；同一投手占多列（按时间顺序排列）
• 行列队伍块顺序一致，对角线为各队伍自身空白块（打者不会面对己方投手）

数据编码

每个单元格格式为 [swing][outcome]：

挥棒前缀

前缀	含义
0	未挥棒
1	挥棒

结果代码

代码	含义
B	坏球（放过）
S	好球 — 0S=判好球；1S=挥空或界外
F	高飞球/平飞球出局（不区分）
FO	封杀/滚地球出局
FC	野手选择
SH	牺牲触击
E	守备失误上垒
T	触击安打
1B 2B 3B HR	一垒打/二垒打/三垒打/本垒打
HBP	触身球
ibb	故意四坏（无投球，所有比率中排除）
1ib	违规击球
NA	缺失数据（排除）

特别说明

• 0B / 0S / 1S 表示打席在第一个投球后继续，最终结果不记录在此数据集中

指标定义

• 好球（Strike） = 0S + 所有挥棒（1S 及所有进场球），参照MLB F-Strike%惯例；注意：对坏球的挥棒也计入，因此略高于真实好球区率
• 好球率（仅观察） = 0S / (0S + 0B + HBP)，反映裁判判罚
• 上垒（On base） = 1B / 2B / 3B / HR / FC；失误上垒（E）和触身球（HBP）不计入
• 分母：全联盟比率使用所有有效第一投球（无最低样本过滤）；个人表格仅应用显示阈值：投手 n≥30，打者 n≥10

脚本工具

脚本	输出
1_strike_rate.py	联盟第一投好球率、好球观察率
2_swing_rate.py	联盟第一投挥棒率
3_onbase_rate.py	联盟第一投上垒率（每打席/每进场球）
4_pitchers.py	各投手好球率和对战上垒率，按好球率排序（n≥30）
5_batters.py	各打者挥棒率和上垒率，按样本量排序（n≥10）

使用方式

pip install openpyxl python -X utf8 1_strike_rate.py

主要结果（基于1,717次有效第一投球）

指标	数值
第一投好球率	58.5%
好球观察率（仅裁判判罚）	36.8%
第一投挥棒率	34.3%
第一投上垒率（每打席）	6.3%
第一投上垒率（每进场球）	37.0%

搜集汇总

数据集介绍

构建方式

NSC First-Pitch Dataset 源自2026年全国垒球锦标赛的首球击打数据，由记分员于裁判席手动记录并数字化为结构化数据集。数据涵盖九支省级球队的比赛，排除香港队、南京队及因天气取消直播的场次。数据集存储于单一Excel矩阵中，行代表按队伍分组的击球员（含姓名缩写与惯用手），列代表按队伍分组的投手（含姓名缩写），每一列对应一位投手在某一打席中面对击球员的首球记录。队伍区块按相同顺序排列，对角线上的空块代表击球员不会面对己方投手。每个单元格由代表挥棒与否的前缀与代表结果的后缀组成，诸如0B（未挥棒坏球）、1S（挥棒出局或界外球）等编码清晰定义，缺失值（NA）与故意保送（ibb）被排除在统计之外。

特点

该数据集聚焦于首球击打的微观行为，提供联盟层面的首球好球率、挥棒率、上垒率等关键指标，并支持按投手与击球员分别统计。核心特色在于对首球结果的精细分类，涵盖未挥棒、挥棒、界外球、滚地球、安打等多种情形，同时区分投手主导的坏球与裁判主导的好球，通过‘取球好球率’（0S除以0S、0B与触身球之和）呈现裁判视角的判罚倾向。数据不记录打席的最终结果，因此可独立分析首球对后续进程的潜在影响。此外，数据集保留了原始计数，即使在样本量较小的个体统计中也提供绝对数，便于用户评估噪声。

使用方法

使用此数据集时，用户需安装 openpyxl 库，并通过命令行运行附带的Python脚本。五个脚本分别计算联盟首球好球率、挥棒率、上垒率、投手个人统计数据（要求至少30次首球样本）以及击球员个人统计数据（至少10次样本）。用户可在脚本顶部调整文件路径与最小样本阈值（MIN_N），并设定ONBASE集合以自定义上垒定义（例如是否纳入失误与触身球）。建议在Windows环境下使用 -X utf8 标志运行脚本，以避免中文队名显示乱码。脚本输出均为纯文本格式，便于集成至下游分析或可视化流程。

背景与挑战

背景概述

在竞技体育研究中，首次投球（first-pitch）表现对比赛结果具有关键性影响，其数据分析有助于揭示选手决策模式与比赛策略。NSC First-Pitch Dataset诞生于2026年全美垒球锦标赛，由赛事技术团队从记分台手动采集并数字化处理，聚焦于九支省级队伍的首次投球数据。该数据集排除了香港队、南京队及因天气取消直播的比赛场次，确保了数据来源的纯正性与完整性。核心研究问题涵盖首次投球的好球率、挥棒率以及上垒率等动态指标的量化分析，为运动科学领域提供了首次投球行为的标准化基准。作为首个系统化记录垒球首次投球事件的开源数据集，其发布对于推动体育统计学的实证研究、优化教练战术部署以及提升运动员表现分析具有里程碑式的意义。

当前挑战

该数据集所解决的领域问题在于量化首次投球对比赛进程的影响，但面临数据稀疏性与样本偏差的挑战。构建过程中，手动记录的局限性导致仅包含九支省级队伍的数据，且缺乏香港队、南京队及天气异常场次的信息，限制了模型的泛化能力。指标定义上，好球率因包含界外球与挥空而高估了真实好球区，且上垒率计算排除了保送与触身球，未完全反映比赛复杂性。此外，每位投手的样本量虽设最低阈值（n≥30），但个人上垒率仍受噪声干扰，需依赖原始计数辅助解读，凸显了在有限数据条件下平衡统计稳健性与体育情境真实性的难题。

常用场景

经典使用场景

该数据集聚焦于垒球赛事中首球击球行为的微观分析，经典使用场景是评估投手与打者在首次投球交锋时的决策模式与结果分布。研究者可借助该数据集计算首球好球率、挥棒率及上垒率等关键指标，进而构建投手压制力或打者攻击性的量化画像。特别地，因数据按对阵轮次结构化记录，可支持纵向追踪同一投手对战不同球队的战术稳定性，或分析打者在多次面对同一投手时的策略演变。该数据集还特别区分了击球结果与判罚结果，为区分裁判判决与运动员表现对比赛进程的影响提供了独特视角。

衍生相关工作

该数据集已催生一系列衍生研究与实践工作。在学术层面，研究者基于该数据开发了首球结果预测模型，利用逻辑回归或树模型量化投手、打者特征对首球好球率的边际贡献。在软件工程领域，数据集结构被重构为可视化仪表盘，支持按球队、投手或打者实时过滤并动态呈现指标分布。部分工作进一步扩展了数据范围，将该单届赛事首球数据与后续打席完整结果进行关联分析，探索首球博弈与最终得分概率的因果链条。另有开源工具包借鉴该数据集的编码体系，为其他垒球或棒球赛事提供了标准化的首球标注模板，显著推动了跨赛事数据的可比性研究。

数据集最近研究

最新研究方向

在体育数据分析领域，首球行为研究正成为理解击球策略与投手表现的关键切入点。NSC First-Pitch Dataset聚焦于2026年全国垒球锦标赛的第一次投球数据，突破了传统赛后统计的局限，通过精细化的手动记录与结构化编码，构建了包含挥棒与否、击球结果及出局方式的二维矩阵。该数据集捕捉了9支省级队伍间1717次有效首球事件，揭示了首球好球率58.5%、挥棒率34.3%及首球上垒率6.3%等关键指标，为分析比赛早期决策、投手控制力及裁判判罚偏差提供了实证基础。其独特的按对阵顺序排列的投手-打者网格，更支持跨队伍的首球模式对比，为量化比赛节奏与预测后续进攻态势开辟了新路径。