brawlstars-ranked

该数据集为《荒野乱斗》第53赛季排名比赛遥测数据，来源于官方公开API。每条记录代表一个“排名赛局”（ranked set），即在一张固定地图和模式下进行最多三局比赛，先赢两局的队伍获胜。数据集中包含551,312个排名赛局，覆盖2026年8月21日至2026年9月7日，涉及106个英雄、6种模式（bounty、brawlBall、gemGrab、heist、hotZone、knockout）和30张地图。数据以Parquet格式存储，单个文件约32MB。核心字段包括比赛时间（battle_time）、模式（mode）、地图（map）、逐局结果（record）、最终局MVP信息（star_*）、平均Elo（avg_elo）、归一化技能得分（skill_ns）及其有效性标记（skill_ns_ok），以及两支队伍各三个位置的英雄名称、Elo、等级和玩家标签（t{1,2}_b{0,1,2}_*）。skill_ns字段通过将平均Elo转化为3天时间窗口内的百分位数，使不同阶段的比赛可比。该数据集适用于表格分类、游戏分析、竞技数据挖掘等任务。注意：API不提供选秀顺序和禁用信息，采样偏向高人气和高段位玩家，且每赛季数据独立。This dataset is telemetry data from ranked matches of Brawl Stars Season 53, sourced from the official public API. Each record represents a ranked set, which consists of up to three matches on a fixed map and mode, with the first team to win two matches winning the set. The dataset contains 551,312 ranked sets, covering the period from August 21, 2026 to September 7, 2026, involving 106 brawlers, 6 modes (bounty, brawlBall, gemGrab, heist, hotZone, knockout), and 30 maps. The data is stored in Parquet format, with a single file approximately 32MB in size. Core fields include battle time (battle_time), mode (mode), map (map), per-match results (record), final match MVP information (star_*), average Elo (avg_elo), normalized skill score (skill_ns) and its validity flag (skill_ns_ok), as well as the brawler names, Elo, levels, and player tags (t{1,2}_b{0,1,2}_*) for each of the three positions on both teams. The skill_ns field converts the average Elo into a percentile within a 3-day time window, making matches from different periods comparable. This dataset is suitable for tasks such as tabular classification, game analysis, and competitive data mining. Note: The API does not provide draft order or ban information, the sampling is biased towards popular and high-ranked players, and each seasons data is independent.

原始信息汇总

数据集概述：Brawl Stars Ranked Matches — season53

该数据集提供来自《Brawl Stars》公开API的排位赛比赛遥测数据，覆盖第53赛季（2026-08-21至2026-09-07），每行对应一次排位赛“集合”（最多三局比赛），可用于表格分类等任务。

基本信息

• 规模：551,312个排位赛集合（约10万至100万）
• 时间范围：2026-08-21至2026-09-07
• 数据格式：Parquet文件，按赛季分文件，当前包含1个文件，约32 MB（比源数据库小7.6倍）
• 语言：英语
• 许可：MIT许可证
• 标签：游戏、电子竞技、遥测、荒野乱斗

内容与结构

• 游戏模式（6种）：赏金、乱斗足球、宝石争霸、首领之战、热区、淘汰赛
• 地图（30张）：包含Ball、Belles Rock等
• 英雄（106个）：每场对局有6名英雄，按队伍和槽位展平为t{1,2}_b{0,1,2}_*字段
• 核心字段：
  • battle_time：集合内最后一场比赛的UTC时间
  • mode、map：比赛模式和地图
  • record：逐局结果（如T1-T1）
  • star_*：集锦玩家（MVP）的信息（英雄、战力、标签、分数）
  • avg_elo：六名玩家的平均Elo分数
  • skill_ns：基于局部时间分布的标准化技能值（百分位映射）
  • skill_ns_ok：是否足够样本支持skill_ns
  • 六名玩家的英雄、Elo分数、战力等级和玩家标签

数据生成与质量说明

• 数据由开源的ETL流水线自动收集（源代码仓库），仅提取soloRanked战斗，并通过(battle_time, map, star_player_tag)去重，过滤平均Elo高于23的集合
• 每个赛季独立存储，建议按赛季分析；需使用skill_ns_ok = 1过滤以依赖技能特征
• 已知局限性：
  • 不包含选人顺序和禁用信息，槽位索引非选秀顺序
  • 数据非均匀抽样，通过玩家图爬取，热门和高分段玩家偏多
  • 每个数据集仅包含一个赛季，跨赛季混用会产生偏差
  • Elo按英雄而非玩家计算，不同英雄间的评分不具直接可比性

应用与加载方式

• 通过load_dataset("EliF77/brawlstars-ranked", split="train")加载
• 可使用PyArrow的dataset API按时间过滤，Parquet的行组元数据支持快速跳过不匹配分组
• 可用于分析英雄选取趋势、技能分布、比赛结果预测等表格分类任务

高频英雄选取（部分）

英雄	出现次数
GRIFF	164,838
BROCK	160,786
GUS	121,215
RICO	117,666
EDGAR	110,065

版权声明

数据集编译和流水线基于MIT协议，源自公开Brawl Stars API，未经Supercell官方认可，为粉丝内容，遵循其粉丝内容政策。

搜集汇总

数据集介绍

构建方式

本数据集源于对《Brawl Stars》公开API的精细采集与自动化处理，由开源ETL管道持续运行生成，每行对应一场排位赛的完整赛局集合（最多三局两胜）。构建过程从种子玩家出发，以广度优先策略遍历玩家图谱，严格过滤于特定段位区间，剔除机器人或异常记录，并基于时间、地图与星标玩家标签进行去重，确保数据纯净且结构统一。所有对战记录均按赛季分文件存储为Parquet格式，每一行囊括了时间、模式、地图、赛果记录、六名玩家的斗士选择及其战力等级与单斗士段位分数等核心字段，实现了对每场对局全部参与者的精准标识，为深入分析提供了坚实可靠的数据基石。

使用方法

数据集以Parquet格式存储，经由HuggingFace datasets库可便捷加载，一行代码即可获取全量训练数据。其列式存储布局天然支持时间过滤，研究者可借助PyArrow的dataset接口，基于battle_time字段精准切片特定时间窗口，无需全表扫描，极大提升查询效率。核心的使用建议在于，当分析依赖于技能水平时，应优先筛选skill_ns_ok标记为1的行，以确保归一化技能的可靠性。此外，由于段位分数为各斗士独立，分析玩家真实实力或构建预测模型时，需认识到该指标反映的是特定斗士的熟练度而非玩家整体能力。该数据集亦可通过star_player_tag等标识关联至具体玩家，支持社交网络分析与群体行为研究。

背景与挑战

背景概述

《Brawl Stars》作为Supercell旗下备受欢迎的多人在线竞技手游，其排位赛体系蕴含丰富的竞技数据，为电子竞技研究提供了独特的窗口。该数据集由独立开发者EliF77于2026年8月至9月间，通过自动化ETL管道从公开API采集并发布，涵盖超过55万场排位赛对局，记录了赛事模式、地图、英雄选择及玩家Elo等关键信息。其核心研究问题聚焦于游戏平衡性分析、英雄使用率动态以及玩家技能评估，并为游戏数据学领域提供了开源、标准化的数据基础。该数据集的问世，不仅助力了游戏策略的定量研究，也为电子竞技领域的数据驱动分析方法树立了新范式。

当前挑战

该数据集面临的挑战多层且复杂。在领域层面，其首要挑战在于解决电子竞技数据分析中的'动态平衡'难题——游戏版本更新导致英雄强度与战术体系频繁变迁，使得跨赛季数据的可比性受到限制，如同物理实验中的变量失控。其次，数据采集的非均匀性构成显著瓶颈，采集策略基于玩家图谱的广度优先遍历，导致高分段与热门玩家过度代表，虽经筛选却仍非全局无偏样本，对统计推断的严谨性构成考验。第三，构建过程中面临数据完整性挑战，API的限制使得选人顺序与禁用英雄信息缺失，只能依位置而非真实顺序记录，限制了战术层面的深入分析。此外，Elo分按英雄而非玩家计算，导致强者使用不熟悉英雄时评分失真。最终，去除机器人与异常对局的启发式规则，如剔除平均Elo超过23的对局，虽净化了数据，却也可能引入系统性偏差，为下游研究者带来特征工程与结果解释上的隐性陷阱。

常用场景

经典使用场景

在电子竞技数据科学的广阔天地中，对战遥测数据犹如窥探竞技生态微观脉动的透镜。此数据集以单场正式排位赛（Ranked）作为核心单元，每行详尽记录了赛制、地图、英雄选择与对战结局，辅以参与者隐藏标识与所持英雄的战力等级。尤为珍贵的是，其独创的skill_ns标准化指标，将瞬时的平均天梯分映射为动态时间窗口内的百分位，消弭了赛季周期中分段的通胀与压缩效应，从而使得跨时段的对局实力比较成为可能。该数据集为英雄使用率演化、地图战术偏好挖掘及阵容组合胜率推断等典型分析场景提供了坚实而系统的基石。

解决学术问题

竞技游戏平衡性与动态元游戏（Meta）的量化研究，长期受制于非标准化的官方遥测数据。该数据集通过精心定义的对局组（Set）为分析单元，精准呈现了系列赛的胜负结构，并贡献了统一的技能标尺skill_ns，有效解决了跨时间比较选手实力的难题。它使得研究者能够严谨地验证‘英雄强弱随时间漂移’、‘地图对不同玩法的亲和力差异’等假设，推动了从叙事性描述向实证检验的范式转换。其贡献在于建立了连接原始对战日志与高水平学术洞察的桥梁，促进了对游戏生态内在公平性及演化动力的深刻理解，为平衡补丁的成效评估提供了数据驱动的评判尺度。

实际应用

此数据集的实际应用横跨游戏产业多个核心环节。在游戏开发领域，其高分辨率的选择与胜率数据可辅助算法生成动态的平衡性分析，精准定位感知弱势的英雄或过度强势的战术组合，为开发团队的平衡迭代提供客观依据。于电竞赛事组织方与解说平台而言，其详尽的英雄池统计与地图表现数据，能显著丰富赛前的前瞻预测与赛后的复盘解读，提升内容的专业化深度。此外，对于面向玩家的战术推荐应用与内容创作平台，该数据是构建英雄克制图谱、生成‘当前版本之子’榜单的宝贵语料，能有效指导玩家的英雄训练与战略规划。

数据集最近研究

最新研究方向

该数据集聚焦于《荒野乱斗》排名赛事的遥测数据，为电子竞技领域提供了大规模、细粒度的对战记录。近期研究侧重于利用其时间序列特性分析赛季内玩家技能分布的动态演变，以及阵容选择（如英雄组合与出场率）对胜负的预测建模。此外，数据集的开放性支持了对游戏平衡性调整的量化评估，通过跨赛季对比揭示元数据变迁。结合其提供的标准化技能指标（skill_ns），研究者可探索玩家表现的时间归一化方法，推动竞技游戏中的公平匹配算法与玩家行为建模。此类数据在游戏人工智能、博弈论及人类群体动力学中具有重要应用价值，为理解复杂竞争环境下的决策策略提供了实证基础。