7.3 基础数据盘点：你能拿到的原始字段

造房子先看建材。这一篇盘点你能从接口拿到的原料。

一、五类原料#

二、关键字段清单#

技术统计中最重要的字段#

市场数据的字段#

三、数据质量的三个现实问题#

问题一：覆盖度不一致#

不同联赛的数据颗粒度不同。主流联赛字段完整，小联赛可能只有基础统计。

应对策略：在代码里做字段存在性检查，缺失时降级处理而不是报错。

def safe_get(data, *keys, default=None):
    """安全地从嵌套字典中取值，任一环节缺失都返回默认值"""
    cur = data
    for k in keys:
        if not isinstance(cur, dict) or k not in cur:
            return default
        cur = cur[k]
    return cur if cur is not None else default

# 示例：取射门次数，缺失时用 None 而不是抛异常
shots = safe_get(match, 'stats', 'home', 'shots', default=None)
if shots is None:
    print('该场次无射门数据，跳过')

问题二：口径差异#

同一个「射门次数」，不同数据源的判定标准可能不同（是否包含被封堵的射门）。

应对策略：同一套指标必须始终用同一数据源，不要混用。

问题三：缺失值#

重要原则：缺失值不要用均值填充。
足球数据的缺失往往不是随机的——小联赛更容易缺数据，而小联赛本身就有系统性特征。
用均值填充会把这个偏差带入模型。更好的做法是「排除该样本」或「降级使用基础字段」。

四、数据获取的最小代码骨架#

import os, json, time, requests
from pathlib import Path

API_KEY = os.environ.get('QIUXIAOCE_API_KEY', 'YOUR_API_KEY_HERE')
BASE = 'https://www.qiuxiaoce.com/wp-json/abv2-creator/v1'
CACHE = Path('./data_cache')
CACHE.mkdir(exist_ok=True)

HEADERS = {'X-API-Key': API_KEY, 'Accept': 'application/json'}

def fetch(path, params=None, cache_key=None, ttl=604800):
    """带本地缓存的请求。历史数据不会变，缓存 7 天。"""
    if cache_key:
        f = CACHE / f'{cache_key}.json'
        if f.exists() and time.time() - f.stat().st_mtime < ttl:
            return json.loads(f.read_text(encoding='utf-8'))

    r = requests.get(f'{BASE}{path}', headers=HEADERS, params=params, timeout=20)
    r.raise_for_status()
    data = r.json()

    if cache_key:
        (CACHE / f'{cache_key}.json').write_text(
            json.dumps(data, ensure_ascii=False), encoding='utf-8')
    return data

# 拉取一支球队最近的比赛（用于构建滚动统计）
team_id = 42
fixtures = fetch(f'/teams/{team_id}/fixtures', cache_key=f'team_{team_id}_fixtures')

五、原料决定上限#

你不可能用烂数据造出好指标。
特征工程的重要性远高于模型选择。同样一个逻辑回归，喂 5 个粗糙特征和喂 30 个精心构造的特征，效果差距可能是数量级的。
这也是为什么球小策把绝大部分精力放在数据层。

下一步该看什么#

• 第一个完整构造示例 → 7.4 xG 简化模型
• 权重怎么定 → 7.8