f1-fantasy

一个开源的、自动化的F1 Fantasy统计数据历史数据集。An open-source, automated historical dataset of F1 Fantasy statistical data.

原始信息汇总

🏎️ F1 Fantasy 历史数据集

数据集概览

这是一个开源的、自动化的F1 Fantasy历史统计数据仓库，旨在为分析、机器学习和数据可视化提供结构化的F1 Fantasy数据。该仓库会在大奖赛周末结束后自动获取、清洗并整理官方的F1 Fantasy数据，涵盖积分明细、价值波动、选秀趋势和车队统计等内容。

数据内容

• 覆盖赛季：2023、2024、2025及2026赛季（截至2026年8月13日更新至2026赛季第11轮）
• 数据粒度：每个分站赛生成一个独立的JSON文件，按赛季和轮次组织存放
• 数据对象：包含车手（Drivers）和车队（Teams）两大类的详细统计数据

数据结构

每个轮次文件（data/{赛季}/round_{编号}.json）采用标准化的JSON结构，分为Meta、Drivers和Teams三个部分。车手和车队的数组共享相同的属性字段。

主要字段说明

字段	类型	说明
Driver_Name / Team_Name	String	车手或车队的显示名称
Driver_Code / Team_Code	String	三字母缩写标识（TLA）
Team_Name（仅车手）	String	车手所属的车队名称
Round_Fantasy_Points	Float	当前轮次获得的总梦幻积分
Season_Fantasy_Points	Float	截至该轮次的赛季累计梦幻积分
Selected_Percentage	Float	玩家选秀率（以小数表示，如0.33即33%）
Value	Float	当前资产价格（单位：百万美元）
Qualifying_Points	Float	排位赛中获得的梦幻积分
Sprint_Points	Float	冲刺赛中获得的梦幻积分
Race_Points	Float	正赛中获得的梦幻积分

数据统计亮点

车手表现（各赛季Top车手赛季积分）

• 2026赛季：K. Antonelli（Mercedes）以429.0分领跑
• 2025赛季：M. Verstappen（Red Bull Racing）以776.0分领跑
• 2024赛季：M. Verstappen（Red Bull Racing）以754.0分领跑
• 2023赛季：M. Verstappen（Red Bull Racing）以1014.0分领跑

车队表现（各赛季Top车队赛季积分）

• 2026赛季：Mercedes以882.0分领跑
• 2025赛季：McLaren以1744.0分领跑
• 2024赛季：McLaren以1506.0分领跑
• 2023赛季：Red Bull Racing以1847.0分领跑

项目特点

• 自动化更新：通过GitHub Actions工作流（.github/workflows/get_round_data.yml）在每场大奖赛后自动抓取数据
• 数据处理脚本：包含Python脚本（scripts/get_round_data.py）用于数据抓取，另有脚本自动更新README
• 许可证：采用MIT开源许可证
• 使用说明：数据来源于公开渠道，仅用于教育和研究目的

文件结构

仓库包含数据目录（按赛季和轮次组织JSON文件）、自动化脚本、作者信息及许可证文件。

搜集汇总

数据集介绍

构建方式

该数据集由开源项目自动构建，依托GitHub Actions工作流在每个大奖赛周末后自动触发数据抓取脚本。脚本从官方F1 Fantasy平台获取原始数据，经过清洗与结构化处理，最终以JSON格式存储于data目录下，按赛季和轮次组织文件。每条记录包含元信息、车手及车队数据，涵盖积分、价值、选中等多维属性，确保数据的一致性与完整性。

特点

该数据集具备高度的时效性与完整性，覆盖2023年至2026年多个赛季的逐轮数据，并持续更新。其标准化JSON模式便于解析与集成，多维度的属性设计（如排位赛、冲刺赛、正赛积分分解）为深度分析提供了丰富视角。此外，数据集的自动更新机制保证了后续赛季数据的持续供给，适用于机器学习、数据可视化及策略研究等领域。

使用方法

使用者可直接从GitHub仓库下载JSON文件，或通过编程方式获取。基于统一的数据结构，可轻松加载至数据分析工具（如Pandas）进行探索性分析。数据集的模块化设计支持按需选择特定赛季或轮次，并可与F1官方数据交叉验证。该项目还提供README中的汇总表，便于快速了解各赛季顶尖车手与车队的表现，为即时的数据洞察提供便捷入口。

背景与挑战

背景概述

F1 Fantasy作为一级方程式赛车官方推出的虚拟竞技游戏，将体育竞技与数据预测深度融合，其积分规则、车手表现与市场价值波动交织形成复杂系统，备受数据分析与机器学习领域关注。f1-fantasy数据集由开发者M. Zafram于2023年创建，通过自动化爬虫与清洗流程，每站大奖赛结束后即时更新，覆盖2023至2026赛季的完整历史数据。该数据集不仅记录每轮车手与车队的幻想积分、身价、选中率及排位、冲刺、正赛分项得分，还保留了跨赛季的纵向追踪，为分析车手状态变化、价值波动规律以及玩家选队策略提供了结构化样本。作为首个开源、自动更新的F1幻想体育数据集，它填补了该领域标准化数据资源的空白，为预测建模、可视化叙事及体育经济学研究奠定了数据基础。

当前挑战

该数据集面临多重挑战。领域层面，F1幻想游戏规则随赛季动态调整，如2026年新增冲刺赛积分权重，导致历史数据可比性下降，且车手转会与新车队加入使跨赛季一致性维护困难。数据层面，官方仅提供实时快照，过去数据无法回溯，构建时需在每站后立即抓取，技术依赖网页结构，易受站点改版或反爬策略影响。数据清洗需处理车手姓名缩写、车队名称变体及空值，确保JSON模式统一。此外，玩家选中率与身价受实时交易影响，高频更新产生数据延迟，且缺乏官方API，数据准确性与时效性平衡是持续挑战。

常用场景

经典使用场景

在体育数据科学与预测分析领域，该数据集为研究F1幻想游戏中的资产定价与选手表现提供了标准化的结构化语料。其精细到每轮大奖赛的JSON格式，涵盖积分、价值波动、选择率等维度，使得研究者能够开展基于时序的回归分析、选手效能评估以及市场价值预测等经典任务。例如，利用跨赛季的累积积分与选择率，可构建选手热度与成绩耦合的模型，探究幻想游戏中的“明星效应”与“价值洼地”现象。该数据集作为自动更新、开源的基准资源，极大降低了数据获取的门槛，助力于体育幻想游戏策略的量化研究。

衍生相关工作

该数据集的发布催生了一系列衍生工作，如基于其构建的自动化赛事回顾报告、车手表现雷达图以及幻想积分预测模型。社区开发者借助其标准schema开发了API封装库，便于数据实时调用；数据科学家则以其为训练集，运用机器学习方法（如随机森林、LSTM）预测未来站次的车手得分，并可视化价值波动趋势。此外，该数据还促进了跨体育的幻想游戏对比研究，以及体育博彩相关分析（虽声明非财务建议）。这些工作共同构建了围绕F1幻想分析的生态系统，推动了体育数据科学在垂直领域的创新与普及。

数据集最近研究

最新研究方向

随着体育博彩与数据驱动决策的深度融合，f1-fantasy数据集以其自动化的赛场数据采集与标准化处理，开辟了赛车运动分析的新前沿。研究焦点正从传统的成绩预测转向动态资产定价与玩家行为建模，该数据集通过提供每轮车手和车队的积分、价值及选中率，支撑了高精度的价值波动趋势分析与选队策略优化。结合人工智能与机器学习技术，研究者利用此类数据挖掘隐藏的绩效因子，开发实时推荐系统，促进幻想体育与体育经济的智能化。此公开数据源为交叉学科研究提供了宝贵基础，推动了赛车数据分析领域的透明化和民主化。