World Cup 2026 Football Dataset

这是一个用于2026年国际足联世界杯的干净、有文档记录的足球比赛数据集，基于API-Football构建。数据粒度包括比赛、球队比赛、球员比赛和事件。累计表位于`data/_latest/`下（如球员锦标赛、球队锦标赛），赛前预测位于`data/predictions/`。每个比赛日后更新。列字典在SCHEMA.md中，公式在METRICS.md中。SCHEMA_VERSION = 0.4.0。加载方式：`pd.read_parquet("data/_latest/team_tournament.parquet")`（或.csv）。缺失值为null，从不虚构。`xg`取决于覆盖范围（可能为null）。This is a clean, well-documented football match dataset for the 2026 FIFA World Cup, built on API-Football. The data granularity covers matches, team matches, player matches, and events. Cumulative tables (e.g., player tournament, team tournament) are located under `data/_latest/`, while pre-match predictions are stored in `data/predictions/`. It is updated after each matchday. The column dictionary is provided in SCHEMA.md, and the formulas are documented in METRICS.md. SCHEMA_VERSION = 0.4.0. Loading method: `pd.read_parquet("data/_latest/team_tournament.parquet")` (or .csv). Missing values are denoted as null and never imputed. `xg` depends on coverage and may be null.

原始信息汇总

数据集概述：World Cup 2026 — Football Dataset

该数据集提供2026年FIFA世界杯的干净、文档化的比赛数据，基于API-Football构建。

数据粒度：

• matches（比赛）
• team_match（球队-比赛）
• player_match（球员-比赛）
• events（事件）

数据位置与内容：

• 累计表位于 data/_latest/ 目录下，包含 player_tournament（球员锦标赛数据）和 team_tournament（球队锦标赛数据）。
• 赛前预测数据位于 data/predictions/ 目录下。

更新频率： 每个比赛日后更新。

文档支持：

• 列字典说明在 SCHEMA.md 文件中。
• 公式说明在 METRICS.md 文件中。
• 当前模式版本为 SCHEMA_VERSION = 0.4.0。

使用方法示例： python pd.read_parquet("data/_latest/team_tournament.parquet")

或加载对应的 .csv 文件。

数据质量说明：

• 缺失值以 null 表示，不会人为捏造。
• xg（预期进球）字段的值依赖比赛覆盖情况，可能为 null。

搜集汇总

数据集介绍

构建方式

该数据集围绕2026年FIFA世界杯赛事构建，依托API-Football接口系统收集并整理了完整、规范的比赛数据。数据以多粒度层级组织，涵盖matches、team_match、player_match及events等多个核心维度，并基于比赛日更新生成累积统计表（如player_tournament、team_tournament），存放于data/_latest/目录下。此外，赛前预测数据独立存放于data/predictions/中，确保数据结构的清晰与模块化。缺失值均以null标记，绝不凭空捏造，xg字段因覆盖范围差异可能为null。

特点

该数据集具备高度的结构化与文档化特征，提供SCHEMA.md与METRICS.md两份辅助文档分别详述字段字典与计算公式，方便使用者理解数据含义与衍生逻辑。当前版本号为SCHEMA_VERSION = 0.4.0，体现持续的迭代与完善。数据更新紧随每个比赛日，确保时效性与完整性。不同粒度表格之间互相关联，支持从宏观赛事到微观球员表现的层层下钻分析，为足球数据研究提供坚实基石。

使用方法

使用者可通过pandas库直接读取Parquet或CSV格式文件，例如使用pd.read_parquet("data/_latest/team_tournament.parquet")加载球队累积数据。数据文件分散于data/_latest/与data/predictions/目录，按需选择相应维度的表格进行分析。建议结合SCHEMA.md理解各字段含义，并参考METRICS.md明确指标计算方式，以便合理运用缺失值标记规则，确保分析结果的准确性与可复现性。

背景与挑战

背景概述

世界杯作为全球最具影响力的足球赛事，其比赛数据蕴含着丰富的战术规律与竞技洞察。2026年美加墨世界杯将迎来48支参赛队伍的扩军改革，赛事规模与复杂程度空前提升。为此，专业足球数据平台API-Football的研究团队于2024年启动了该数据集的构建工作，旨在提供结构化、可复现的赛事数据。该数据集以比赛、球队-比赛、球员-比赛、事件四个粒度为支点，辅以累计积分表与赛前预测数据，为体育数据分析、机器学习建模及赛事策略研究提供了标准化的基础数据源，已在竞技表现分析、赔率预测等场景展现出应用潜力。

当前挑战

数据集构建面临多重挑战。在领域问题层面，扩军后的世界杯需应对新增16支球队带来的战术多样性、比赛场次激增及跨时区协调问题，传统统计指标难以完全捕捉新兴球队的非对称竞争特征。数据采集过程中，API-Football的XG（预期进球）值因覆盖范围波动而可能出现缺失，需在建模时谨慎处理。异构数据融合亦是一大难点，需协调match、player、event等多维度数据在时间尺度与语义粒度上的对齐，确保无推断性插补造成的偏差。此外，实时更新机制对数据清洗流水线的鲁棒性提出了极高要求，需在每轮比赛后自动完成校验与版本迭代。

常用场景

经典使用场景

在体育科学与数据挖掘领域，World Cup 2026 Football Dataset因其结构清晰、覆盖全面而成为分析现代足球赛事的经典数据源。它整合了多粒度信息，包括球队、球员、比赛事件及累积排名，适用于构建比赛结果预测模型、球员表现评估体系以及赛事进程的统计推断。研究者常利用其中的xG（预期进球）等衍生指标进行战术有效性分析，或通过时序数据探索赛事发展规律，为足球数据分析提供了标准化的实验平台。

解决学术问题

该数据集有效解决了足球赛事研究中数据碎片化与标准缺失的难题。其严格遵循的填充逻辑（缺失值明确为null而非人为编造）提升了统计建模的可重复性，使学术研究能够聚焦于比赛核心变量间的因果推断。通过整合不同细粒度的数据（如球员与球队层面的指标），它支撑了关于团队协作效能、球员个体贡献边界以及赛事随机性定量化等基础问题的探究，显著推动了体育计量学在足球领域的规范化发展。

衍生相关工作

该数据集衍生出多项里程碑式工作，包括基于团队粒度的时间序列模型优化策略，以及利用球员事件流数据重构比赛关键节点的强化学习框架。部分研究团队在其基础上扩展了球员训练负荷与疲劳累积的关系建模，形成了开放的高低阶指标计算库（如METRICS.md中的公式体系）。此外，该数据集的标准化结构催生了跨联赛迁移学习研究，通过对比不同赛事的高维特征空间，推动了通用型足球预测模型的开发，并反哺端到端的自动化数据分析管线构建。