Home › Ligue 1 › Jogadores · Produção Ofensiva

2025-2026

Ligue 1 / Jogadores / Produção Ofensiva

Jogadores — Produção Ofensiva xG · xA

Name: Estatísticas de Jogadores — Produção Ofensiva | Campeonato Francês (Ligue 1) 2025-2026 | TheScouter
Creator: TheScouter

Campeonato Francês (Ligue 1) · 2025-2026 · 561 registros np 10.2% sot 30% pk 70.3% ast 71%

Gols méd. 1

xG ⚡ méd. 1,49

xA ⚡ méd. 0,63

xG+xA ⚡ méd. 2,12

xG/90 ⚡ méd. 0,13

xG/Fin ⚡ méd. 0,080

G-xG ⚡ méd. 0,00

xGOT ⚡ méd. 1,47

Jogadores — Produção Ofensiva 25 de 561

Ligue 1 · 2025-2026

#	Jogador	Nac	Pos	Time	Idade	Ano	Gols	Ast	G+A	xG ⚡	xA ⚡	xG+xA ⚡	xG/90 ⚡	xA/90 ⚡	(xG+xA)/90 ⚡	npxG ⚡	npxG/90 ⚡	xG/Fin ⚡	xG/NoA ⚡	xGOT ⚡	G-xG ⚡	G/xG ⚡	A-xA ⚡	A/xA ⚡	G-PK	G/90	A/90	G+A/90	Imp
431	Igor Paixão	br BRA	MF	Marseille	25	2.000	6	5	11	6,75	3,03	9,78	0,31	0,14	0,45	6,75	0,31	0,118	0,294	6,75	-0,75	0,89	1,97	1,65	6	0,27	0,23	0,50	9
512	Musa Al-Taamari	jo JOR	MF,FW	Rennes	28	1.997	6	6	12	6,75	3,48	10,23	0,27	0,14	0,42	6,75	0,27	0,105	0,294	6,75	-0,75	0,89	2,52	1,73	6	0,24	0,24	0,49	26
180	Emersonn	br BRA	FW	Toulouse	21	2.004	6	2	8	6,46	1,36	7,82	0,37	0,08	0,44	6,46	0,37	0,127	0,340	6,46	-0,46	0,93	0,64	1,47	6	0,34	0,11	0,45	5
430	Pablo Pagis	fr FRA	MF,FW	Lorient	22	2.002	10	5	15	6,39	2,91	9,30	0,33	0,15	0,48	4,99	0,26	0,108	0,337	6,39	3,61	1,56	2,09	1,72	8	0,51	0,26	0,77	2
178	Breel Embolo	ch SUI	FW	Rennes	28	1.997	9	3	12	6,12	1,81	7,93	0,29	0,09	0,38	6,12	0,29	0,149	0,340	6,12	2,88	1,47	1,19	1,66	9	0,43	0,14	0,58	14
506	Pavel Šulc	cz CZE	FW,MF	Lyon	24	2.000	11	3	14	6,12	1,92	8,04	0,35	0,11	0,46	6,12	0,35	0,139	0,340	6,12	4,88	1,80	1,08	1,57	11	0,63	0,17	0,80	6
234	Gauthier Hein	fr FRA	MF,FW	Metz	28	1.996	8	7	15	5,86	3,62	9,48	0,22	0,14	0,36	2,35	0,09	0,133	0,451	5,86	2,14	1,36	3,38	1,93	3	0,31	0,27	0,57	4
157	Sofiane Diop	ma MAR	MF,FW	Nice	25	2.000	8	2	10	5,81	1,44	7,25	0,25	0,06	0,31	4,40	0,19	0,108	0,342	5,81	2,19	1,38	0,56	1,39	6	0,34	0,08	0,42	7
19	Ludovic Ajorque	fr FRA	FW	Brest	31	1.994	8	9	17	5,78	4,62	10,40	0,18	0,15	0,33	5,78	0,18	0,105	0,340	5,78	2,22	1,38	4,38	1,95	8	0,26	0,29	0,54	14
212	Amine Gouiri	dz ALG	FW,MF	Marseille	25	2.000	8	3	11	5,78	1,85	7,63	0,39	0,13	0,52	5,78	0,39	0,152	0,340	5,78	2,22	1,38	1,15	1,62	8	0,54	0,20	0,75	4
20	Maghnes Akliouche	fr FRA	MF,FW	Monaco	23	2.002	6	6	12	5,58	3,35	8,93	0,21	0,13	0,33	5,58	0,21	0,116	0,294	5,58	0,42	1,08	2,65	1,79	6	0,23	0,23	0,45	9
542	Elye Wahi	ci CIV	FW	Nice	22	2.003	5	1	6	5,47	0,68	6,15	0,53	0,07	0,60	4,76	0,46	0,238	0,364	5,47	-0,47	0,91	0,32	1,46	4	0,49	0,10	0,59	20
473	Mbwana Samatta	tz TAN	FW	Le Havre	32	1.992	2	1	3	5,44	0,80	6,24	0,32	0,05	0,36	5,44	0,32	0,130	0,340	5,44	-3,44	0,37	0,20	1,25	2	0,12	0,06	0,18	10
171	Aron Dønnum	no NOR	MF	Toulouse	27	1.998	4	4	8	5,34	2,24	7,58	0,20	0,08	0,28	3,23	0,12	0,133	0,381	5,34	-1,34	0,75	1,76	1,78	1	0,15	0,15	0,30	0
205	Aleksandr Golovin	ru RUS	MF	Monaco	29	1.996	5	5	10	5,28	2,74	8,02	0,29	0,15	0,44	5,28	0,29	0,155	0,294	5,28	-0,28	0,95	2,26	1,83	5	0,27	0,27	0,55	2
25	Mohamed Amine Sbai	fr FRA	MF,FW	Angers	24	2.000	3	1	4	5,11	0,77	5,88	0,25	0,04	0,29	4,40	0,22	0,150	0,294	4,70	-2,11	0,59	0,23	1,31	3	0,15	0,05	0,20	5
203	Martial Godo	ci CIV	MF	Strasbourg	22	2.003	10	1	11	4,99	0,90	5,89	0,28	0,05	0,33	4,99	0,28	0,122	0,294	4,99	5,01	2,00	0,10	1,11	10	0,57	0,06	0,62	11
230	Hákon Haraldsson	is ISL	MF	Lille	22	2.003	8	2	10	4,99	1,35	6,34	0,18	0,05	0,23	4,99	0,18	0,100	0,294	4,99	3,01	1,60	0,65	1,48	8	0,29	0,07	0,37	0
308	Danny Loader	cm CMR	MF,FW	Auxerre	24	2.000	3	3	6	4,99	1,91	6,90	0,18	0,07	0,25	4,99	0,18	0,080	0,294	4,99	-1,99	0,60	1,09	1,57	3	0,11	0,11	0,21	4
533	Matthieu Udol	fr FRA	MF,DF	Lens	29	1.996	1	7	8	4,99	3,78	8,77	0,15	0,11	0,26	4,99	0,15	0,106	0,294	4,99	-3,99	0,20	3,22	1,85	1	0,03	0,21	0,24	2
67	Ludovic Blas	fr FRA	MF,FW	Rennes	27	1.997	5	4	9	4,93	2,35	7,28	0,29	0,14	0,42	3,52	0,21	0,105	0,352	4,93	0,07	1,01	1,65	1,70	3	0,29	0,23	0,52	5
22	Mohamed Ali Cho	fr FRA	FW,MF	Nice	21	2.004	4	3	7	4,76	1,75	6,51	0,26	0,09	0,35	4,76	0,26	0,149	0,340	4,76	-0,76	0,84	1,25	1,72	4	0,22	0,16	0,38	5
442	Prosper Peter	ng NGA	FW	Angers	17	2.007	5	0	5	4,76	0,19	4,95	0,34	0,01	0,35	4,76	0,34	0,207	0,340	4,76	0,24	1,05	-0,19	0,00	5	0,35	0,00	0,35	15
199	Yann Gboho	fr FRA	MF,FW	Toulouse	24	2.001	8	3	11	4,70	1,90	6,60	0,16	0,06	0,22	4,70	0,16	0,081	0,294	4,70	3,30	1,70	1,10	1,58	8	0,27	0,10	0,37	5
288	Rémy Labeau Lascary	gp GLP	MF,FW	Brest	22	2.003	5	1	6	4,70	0,71	5,41	0,35	0,05	0,41	4,70	0,35	0,138	0,294	4,70	0,30	1,06	0,29	1,41	5	0,37	0,07	0,45	9

Página 2 de 23 · 561 registros total

‹ 1 2 3 4 … 23 ›

Glossário — Produção Ofensiva

⚡ = métrica computada

v6.1

# Posição no ranking

Jogador Nome do jogador

Nac Nacionalidade

Pos Posição em campo

Time Time

Idade Idade atual

Ano Ano de nascimento

Gols Gols marcados

Ast Assistências

G+A Gols + Assistências

xG ⚡ Expected Goals — gols esperados baseado na qualidade das finalizações (taxa média real da liga)

xA ⚡ Expected Assists (proxy matricial) — combina o volume de assistências do jogador com a qualidade ofensiva do time. Fórmula: (Ast × 0,32) + [(Ast × 1,7) × (npxG/Fin do time)] + [(Fin do jogador/Fin do time) × npxG do time × 0,08]

xG+xA ⚡ xG + xA — envolvimento ofensivo esperado total

xG/90 ⚡ xG por 90 minutos — ritmo de criação de chances qualificadas

xA/90 ⚡ xA por 90 minutos — ritmo de criação esperada de assistências

(xG+xA)/90 ⚡ (xG + xA) por 90 minutos — ritmo de contribuição ofensiva esperada

npxG ⚡ Non-Penalty xG — xG excluindo pênaltis cobrados

npxG/90 ⚡ Non-Penalty xG por 90 minutos

xG/Fin ⚡ xG por finalização total — qualidade média de cada tentativa

xG/NoA ⚡ xGOT / finalizações no alvo — perigo médio por chute no alvo

xGOT ⚡ Expected Goals on Target — xG sobre finalizações no alvo

G-xG ⚡ G − xG: positivo = eficiente acima do esperado

G/xG ⚡ G/xG: razão de aproveitamento. >1 = mais gols que o esperado

A-xA ⚡ A − xA: positivo = mais assists do que o esperado pela qualidade

A/xA ⚡ A/xA: razão de assistências. >1 = converte mais chances em assists

G-PK Gols excluindo pênaltis

G/90 Gols por 90 minutos

A/90 Assistências por 90 minutos

G+A/90 G+A por 90 minutos

Imp Impedimentos

Métricas ⚡ calculadas com as taxas reais da liga Ligue 1:
· tx_np — conv. p/ chute total (xG, npxG): 10.2%
· tx_sot — conv. p/ chute no alvo (xGOT, xGA): 30%
· tx_pk — conv. de pênaltis: 70.3%
· tx_ast — assistências por gol na liga: 71%

xG ajustado por posição (v5.3):
· Atacantes, meias, defensores e goleiros usam taxas de conversão calculadas separadamente a partir dos próprios dados da liga.
· Grupos com menos de 30 chutes (ou 15 no alvo) usam a taxa geral da liga como fallback, para evitar ruído estatístico.

xA Proxy (v5.4) — metodologia matricial:
· xA = (Ast_jog × 0,32) + [(Ast_jog × 1,7) × (npxG/Fin_time)] + [(Fin_jog/Fin_time) × npxG_time × 0,08]
· Ast_jog — assistências do jogador · Fin_jog — finalizações do jogador
· npxG_time / Fin_time — npxG e finalizações totais do time (temporada)
· NOTA: proxy com dados agregados — xA real requer dados shot-a-shot

Notas v4.3:
· SoTA (FBRef) já exclui pênaltis → xGA = SoTA × tx_sot + PKsof × tx_pk
· np_sot = SoT − PKconvertidos (PK errados não estão em SoT)
· xGA/Fin = xGA ÷ (SoTA + PKsof) = perigo médio por tentativa enfrentada