awesome-football

这是一个关于足球（包括国家队、俱乐部、比赛日程、球员、体育场等）的精选数据集合集，收录了多个公开的足球数据集资源，并持续更新和推荐相关数据集。This is a curated football dataset collection covering multiple domains including national teams, clubs, match schedules, players, stadiums and other related fields. It aggregates multiple publicly available football dataset resources, and is continuously updated while providing recommendations for relevant datasets.

原始信息汇总

数据集概述

这是一个汇集了足球（国家足球队、俱乐部、比赛日程、球员、体育场等）相关数据集的集合列表。该资源由开源社区维护，欢迎贡献。

核心内容分类

V2 - 2022 年更新

• jfjelstul/worldcup：Fjelstul 世界杯数据库，涵盖 1930-2018 年全部 21 届世界杯赛事，包含 27 个数据集（约 110 万个数据点），2022 年卡塔尔世界杯数据即将更新。
• JaseZiv/worldfootballR：用于从 FBref、Transfermarkt、Understat、Fotmob 等网站提取世界足球比赛结果和球员统计数据的 R 语言包（v0.5.3 起支持快速加载预收集数据）。
• dcaribou/transfermarkt-datasets：从 Transfermarkt 网站抓取数据，构建并定期更新清洁、公开的足球数据集。同时发布在 Kaggle、data.world、Streamlit 等平台。
• somdeep/Statball：基于 FBref 和 Statsbomb 数据的欧洲五大联赛足球数据分析工具。
• probberechts/soccerdata：提供对 Club Elo、ESPN、FBref、FiveThirtyEight、Football-Data.co.uk、SoFIFA、WhoScored 等数据的 Pandas DataFrame 封装，支持数据缓存。

V1 - 2022 年之前

足球数据指南/文章

• Guide to Football Data and APIs：足球数据与 API 综合指南。
• Article: Using open football data：2014 年巴西世界杯开放数据应用文章。

足球数据集

• 世界杯：
  • openfootball/world-cup
  • import-io/worldcup2014（世界杯数据）
  • estiens/world_cup_json（JSON 格式世界杯数据）
  • sanand0/fifadata（FIFA 数据爬取）
  • pratapvardhan/FIFAWorldCup（包含球队、阵容、俱乐部等数据）
• 英格兰：engsoccerdata（1888-2014 年英格兰前四级联赛所有比赛数据）
• 其他：
  • jokecamp/FootballData（JSON 和 CSV 混合数据）
  • llimllib/soccerdata（足球比赛结果集合）
  • milkysunshine91/sport_db.Football（通用足球数据库）
  • orlandoaleman/FootballAppResources

体育场数据集

• openfootball/stadiums

足球应用（开源）

• 命令行工具：
  • worldcup-2014 gem（2014 世界杯信息与结果）
  • world_cup_cli gem（2014 世界杯小组排名、比分查询）
  • soccer-cli（联赛排名、比分查询，Python 编写）
• Web/移动应用：
  • fatiherikli/worldcup（世界杯结果查询）
  • threefunkymonkeys/funky-world-cup（世界杯比分预测网站）
  • soccer_league（足球联赛管理 Rails 应用）
  • standings gem（终端查看欧洲五大联赛排名）
  • bookie（足球投注社区管理 Rails 应用）
• 其他：
  • football-graphs（传球网络可视化）
  • Last season comparison（上赛季数据对比工具）

搜集汇总

数据集介绍

构建方式

该数据集以精选列表的形式汇聚了全球范围内高质量、开放获取的足球相关数据资源。其构建过程并非单一数据采集，而是通过系统性地搜集与整理来自GitHub及其他开放数据平台的项目，涵盖国家队、俱乐部、赛程、球员、球场等多个维度。数据集分为V2（2022年更新）与V1（2022年之前）两部分，前者收录了如Fjelstul World Cup数据库、worldfootballR、transfermarkt-datasets等综合性数据包，后者则囊括了早期由社区贡献的各类数据集与工具。每个条目均附有指向原始数据源的链接，确保使用者能够追溯并获取第一手资料。

特点

该数据集的核心特色在于其广泛而深入的覆盖范围与高度结构化。它不仅囊括了FIFA世界杯自1930年至2018年全部21届赛事的详尽数据，还整合了来自FBref、Transfermarkt、Understat、Fotmob等主流足球数据平台的实时信息。数据形式多样，包括结构化表格、JSON、CSV及API接口，部分数据集如worldfootballR支持通过R语言的`load_`函数快速加载预收集数据。此外，数据集强调开放性与可扩展性，鼓励社区通过拉取请求贡献新资源，并采用公共领域许可协议，无任何使用限制。

使用方法

使用者可通过GitHub仓库直接访问并克隆数据集，或利用各子项目提供的编程接口进行数据提取。例如，worldfootballR包允许用户通过R语言脚本从FBref等网站抓取比赛结果与球员统计；transfermarkt-datasets则提供了清洗后的公开数据集，并可在Kaggle、data.world等平台上直接下载。对于偏好命令行操作的用户，soccerdata库封装了来自Club Elo、ESPN等来源的数据，返回格式统一的Pandas DataFrame。此外，数据集还附带了详尽的文档与示例笔记本，指导用户快速上手，实现从数据获取到分析的无缝衔接。

背景与挑战

背景概述

自21世纪初以来，职业足球数据的系统化采集与分析已成为体育科学领域的重要研究方向，推动着战术解析、球员评估及赛事预测等核心议题的深化。在此背景下，由Planet Open Data社区于2022年前后主导维护的awesome-football数据集应运而生，该资源聚合了来自Fjelstul World Cup Database、worldfootballR、transfermarkt-datasets等权威项目的结构化数据，涵盖自1930年以来的世界杯赛事、欧洲五大联赛、球员转会记录及球场信息等多元维度。其核心研究问题聚焦于打破足球数据碎片化与封闭性壁垒，为学术界与产业界提供统一、可复用的开放接口，显著降低了体育分析领域的数据获取门槛。该数据集通过集成FBref、Transfermarkt等主流平台数据，已成为足球数据科学领域的标杆性资源，对赛事预测建模、球员价值量化及比赛风格比较等前沿方向产生了深远影响。

当前挑战

该数据集面临的核心挑战首先源于足球领域数据生态的异构性与时效性：不同来源（如FBref与Transfermarkt）的数据模式、定义标准及更新频率存在显著差异，统一清洗与对齐过程需应对字段歧义、缺失值及历史数据回溯困难等复杂问题。构建过程中，从Transfermarkt等网站抓取数据需规避反爬机制与动态加载限制，同时确保数据采集的合法性与可持续性；而维护如worldcup数据库对2022年卡塔尔世界杯的即时更新，则要求自动化管道具备高鲁棒性以应对赛事期间数据源的突发变动。此外，跨联赛、跨赛季的数据整合涉及球员身份消歧（如转会后的ID映射）、比赛事件标准化（如进球类型分类）等精细工程，这些技术瓶颈直接制约着数据质量与下游分析的可复现性。

常用场景

经典使用场景

在体育科学与数据挖掘的交叉领域中，awesome-football数据集为研究者提供了从世界杯赛事到欧洲五大联赛的全面结构化信息。其经典使用场景包括利用Fjelstul World Cup Database对1930年至2018年间所有21届世界杯进行纵向分析，涵盖球队表现、球员贡献与赛程规律；或借助transfermarkt-datasets构建球员转会价值与竞技表现的关联模型。这些数据通过标准化字段（如球员ID、俱乐部名称、比赛日期）实现了跨数据源的整合，使得学者能够高效开展历史对比、趋势预测与模式识别研究。

解决学术问题

该数据集系统性地解决了足球研究中长期存在的碎片化与不可复现问题。传统足球分析常受限于数据分散于不同平台（如FBref、Transfermarkt）且格式不统一，导致跨研究比较困难。awesome-football通过聚合多来源数据并清洗为一致格式，使研究者得以验证经典理论（如主场优势的时间演变）、量化战术革新（如高位逼抢对进球概率的影响），并推动计算社会科学方法在体育领域的应用。其公开性与可扩展性亦降低了学术门槛，促进了数据驱动型足球分析的民主化进程。

衍生相关工作

围绕该数据集衍生出多项具有影响力的学术与工程成果。在方法论层面，worldfootballR包被广泛用于动态提取FBref与Understat的实时数据，其加载函数（load_）机制为重复性研究提供了可复现的管道；在应用层面，Compare Last Season工具通过可视化对比不同赛季的球队指标，催生了体育叙事学的新方向；而Fjelstul World Cup Database则被多篇论文引用，用于分析世界杯赛制变更对比赛公平性的影响。这些工作共同构建了从原始数据到领域知识的完整转化链条。