使用 OpenClaw 基於 Python 的開源棒球數據抓取工具，如開發者為對接 Statcast/Savant 數據的工具。並將其轉換為 TrackMan 標準格式，核心在於「欄位映射 (Mapping)」與「單位轉換」。

核心流程架構

1. 環境準備與數據抓取

首先，確保你的 OpenClaw 環境能穩定抓取到原始數據（通常是 CSV 或 JSON 格式的 Statcast 數據）。

  • 工具需求： Python 3.x, Pandas (數據處理), Schedule/Cron (定期執行)。
  • 抓取目標： 設定抓取特定聯盟（如 MLB, CPBL）或特定日期的比賽數據。

2. 定義 TrackMan 標準映射表

TrackMan CSV 格式有固定的 Header（標題），你必須將 Statcast 的原始欄位對應過去。以下是常見關鍵欄位的對應：

TrackMan 欄位名 (Target) Statcast 原始欄位 (Source) 處理說明
PitchNo pitch_number 投球編號
Date game_date 日期格式需統一為 YYYY-MM-DD
RelSpeed release_speed 出手速度 (mph)
SpinRate release_spin_rate 轉速 (rpm)
RelHeight release_pos_z 出手高度 (ft)
RelSide release_pos_x 出手側向位置 (ft)
Extension release_extension 延伸距離 (ft)
InducedVertBreak pfx_z * 12 關鍵： 需從英呎換算為英吋
HorzBreak pfx_x * -12 關鍵： 注意正負號定義與單位換算
PlateLocHeight plate_z 進壘高度 (ft)
PlateLocSide plate_x 進壘側向位置 (ft)

3. 自動化轉換腳本 (Python 範例)

你可以撰寫一個轉換器，在 OpenClaw 抓取完畢後自動執行：

import pandas as pd
import numpy as np

def transform_to_trackman(df_raw):
    # 建立空的 TrackMan DataFrame
    tm_df = pd.DataFrame()

    # 基本資訊映射
    tm_df['PitchNo'] = df_raw['pitch_number']
    tm_df['Date'] = df_raw['game_date']
    tm_df['Pitcher'] = df_raw['player_name']
    
    # 物理數據轉換 (Statcast 為 ft, TrackMan Break 通常為 inch)
    tm_df['RelSpeed'] = df_raw['release_speed']
    tm_df['SpinRate'] = df_raw['release_spin_rate']
    
    # 垂直位移 (Induced Vertical Break)
    # 註：Statcast 的 pfx_z 是相對於沒有旋轉的位移量
    tm_df['InducedVertBreak'] = df_raw['pfx_z'] * 12 
    
    # 水平位移 (Horizontal Break)
    # 注意：TrackMan 與 Statcast 的正負號方向可能相反，需依需求調整
    tm_df['HorzBreak'] = df_raw['pfx_x'] * 12 
    
    # 進壘點
    tm_df['PlateLocHeight'] = df_raw['plate_z']
    tm_df['PlateLocSide'] = df_raw['plate_x']

    return tm_df

# 讀取 OpenClaw 抓取的數據
# df = pd.read_csv('claw_output.csv')
# tm_formatted = transform_to_trackman(df)
# tm_formatted.to_csv('trackman_upload_ready.csv', index=False)

4. 設定「定期」自動化整理

要實現定期整理，建議採用以下兩種方式之一：

  • 方案 A：GitHub Actions (推薦) 如果你將代碼存放在 GitHub，可以使用 .github/workflows 設定每天定時執行。它會自動啟動虛擬環境、執行 OpenClaw、轉換格式，最後將結果上傳至你的數據庫或 Repo。
  • 方案 B：排程工具 (Local/Server) 在 Linux 使用 crontab 或 Windows 使用「工作排程器」執行 Python 腳本。

    0 9 * * * /usr/bin/python3 /path/to/your_script.py (每天早上 9 點執行)

5. 注意事項

  1. 數據校準： Statcast 的數據是經由光學系統計算，TrackMan 是雷達系統，兩者在位移（Break）的計算基準點（如 40ft 或 50ft）可能略有不同。若要極致精準，需進行常數偏移校正。
  2. 球種對照： 將 pitch_type (FF, SL, CH…) 轉換為 TrackMan 慣用的 TaggedPitchType。
  3. 錯誤排除： 定期檢查是否有 NaN 值（例如測速失敗），在轉換腳本中加入 df.dropna() 或填充邏輯。