Squawka的热点图是基于“与球相关的行为”，但分区图同样只能反映与球相关的行为，因为squawka、442的Statszone、WhoScored、EPLIndex等主流数据分析网站的数据提供商全都是Opta。
而Opta的统计方式是两个人对着电视屏幕，每人负责一个队来手动统计各类'event'，注意这里的数据全都是与球相关的event，所以不管最终数据形象化为Squawka中的地热图/分区图或者442Statszone中的Influence图或者WhoScored的平均站位图，都是根据有球行为(进攻防守都算上)来进行平均的。
而真正为俱乐部提供数据的公司(例如ProZone)是在球场各处放置八个摄像机，然后通过摄像机的影像，电脑自动模拟场上球员的位置(视觉化以后有点像FM里的二维比赛情景)，此外也会有人工统计，但很明显这个数据的量级比Opta要高出不少。举个例子，ProZone会统计球员的跑动，而且会进行细分成1.静止2.慢跑3.中速跑4.快速跑5.冲刺来进行统计;而且你还可以依靠模拟观察到例如防线四人组之间站位的距离等等。这个细化程度和统计手段都是Opta无法企及的。但即便是这样程度的数据在主教练的决策中依然是参考，人对于足球的理解和判断永远处于最核心位置。
我以前也曾经提过，现今公众能拿到的数据远远无法展示比赛的全貌，只能粗略反映一些趋势性的东西(而且依然可能会误导)。足球不是单纯的回合制游戏，每个区域和全局的联系繁多而且影响因素繁多，这些东西需要有经验的眼睛来审视比赛反复推敲，解读比赛是思维量很大的脑力劳动。
“str1”通常是计算机编程中的一个术语，它是指一个字符串类型的变量或参数，用于存储字符串数据。在很多编程语言中，字符串类型都是一种基本数据类型，通常用于存储文本数据。比如说，我们可以使用str1变量来存储一个人的姓名，一段文字的描述，或者一段代码中的特定字符序列等等。
除了计算机编程领域，有些人在网络社交中也会用到“str1”，通常用来代表一个人的头像或个人资料。这其实是因为“str”这个词在英语中是“string”的缩写，而1，则可以表示“第一张”的意思。所以在某些网络社交平台上，可能会看到用户使用“str1”作为他们的个人头像或资料照片名称。
此外，如果您在网上购物或者使用电子邮件服务时遇到类似于“请输入您的str1”这样的提示，通常意思是需要您输入一个字符串信息，例如您的姓名、地址、邮箱等等。在这种情况下，str1被用来代表一个空的字符串变量，等待用户根据具体情况输入相关信息。
STR（＜数值表达式＞［，＜总长度＞［，＜其中小数位数＞］］）函数作用是将数值表达式转换为指定长度和小数位数的字符串，其中总长度的默认值是10，小数位数的默认值为0，并且在实际操作中，总长度要大于或等于数值表达式的整数部分的长度，才能完成命令。
1、如果总长度大于数值表达式长度或大于数值表达式整数部分和指定小数部分的长度总和，若此时数值的小数位少于指定的小数位数，那么要将它补齐，添加“0”到最低位即最右边；如果数值的小数位等于指定的小数位数，那么多余的字节应该放到最高位即最左边，为空格。
2、如果总长度小于数值表达式长度，特别注意在转换取值的时候，是从左往右算起的，而且遵循四舍五入的原则，也就是说，***如指定的小数位数比从左往右取完整数后剩下的位数要多，实际保留的小数只能占总长度减去整数部分后的长度，如果超出了就四舍五入到剩下的位数。
其中小数点算一位。如果最后一位数是小数点“．”的话，那么应该舍去小数点，把多出的那一个字节放在最高位（即最左边），即此时最高位为空格。
用法：
str（）将数值型转换为字符型的函数，如str（123．45）＝＂123＂
括号内共有3个参数，str（数值型数据，转换后字符的长度，保留的小数位置），如果省略后两个参数，则转换为长度为10，保留到整数位。如：
str（123．456，6，2）＝＂123．46＂＆＆小数点占一位
str（123．456）＝＂123＂
扩展资料：
STR（nExpression［，nLength［，nDecimalPlaces］］）
参数
nExpression
指定STR（）要计算的数值表达式。
nLength
指定STR（）返回的字符串长度。如果省略nLength，则nLength默认为10个字符。注意：
如果表达式包含小数点，该长度包括小数点所占的字符和小数点右边每个数字所占的字符。
nDecimalPlaces
指定由STR（）返回的字符串中的小数位数。若要用nDecimalPlaces指定小数位数，必须同时包含nLength。如果nDecimalPlaces省略，则默认的小数位为零（0）。
注意：
VisualFoxPro在数值计算中包含16位精度的限制。关于VisualFoxPro的数值精度的更多信息。
足球离散值是通过统计比赛数据和运动员表现来计算的。
足球离散值是一种用于评估球员或球队表现的指标，它通过对比赛数据进行统计分析来计算得出。具体计算方法可以根据不同的指标和模型而有所不同，但通常会考虑以下几个方面：
比赛数据：离散值的计算通常基于比赛中的各项数据，如进球数、助攻数、射门次数、传球成功率、抢断次数等。这些数据可以反映球员或球队在比赛中的表现水平。
权重和评分：为了综合考虑不同数据的重要性，通常会为每个数据指标分配一个权重，以反映其对离散值的贡献程度。然后，根据权重和数据指标的具体取值，计算出每个指标的得分，并将它们加权求和得到最终的离散值。
模型和算法：离散值的计算可以使用不同的模型和算法，如线性回归、逻辑回归、决策树等。这些模型可以根据历史数据和训练集来学习权重和参数，从而进行离散值的预测和计算。
在实际应用中，可以参考相关的足球统计学方法和专业评估系统，如Opta、Whoscored等，以获取更准确和可靠的离散值计算结果。
