horse-racing-database-fr
收藏资源简介：
Huggy Database — French Horse Races (1996-2026) 是一个结构化的法国赛马数据集，涵盖1996年至2026年共30年的赛马记录。该数据集包含356,371场比赛，涉及平地赛、障碍赛、挽车快步赛和骑乘快步赛四种类型，覆盖法国本土及海外领地的250多个马场。数据集包含超过500,000匹马、10,000名骑师和8,000名训练师的标准化信息。每个参赛者提供40多个变量，包括PMU/PMH赔率差、蹄铁状态（déferré）、眼罩、25米罚分、自动起跑、场地状况、血统等独特字段。数据集以关系型PostgreSQL数据库结构提供，包含比赛元数据（course）、参赛者信息（partant）、赔付报告（rapports）、马匹档案（cheval）、骑师档案（jockey）、训练师档案（entraineur）、马主档案（proprietaire）以及姓名映射表（noms_prenoms）等表。本仓库发布的是免费样本（CC BY 4.0许可），包含1999年第一季度约932场比赛的CSV数据，用于评估数据质量和模式。完整档案可通过商业许可获取。该数据集适用于赛马预测模型（XGBoost、LightGBM、深度学习）、PMU投注策略回测（Quinté+、Tiercé、Couplé）、马/骑师/训练师形态分析、自然语言转SQL（NL2SQL）和推理语料库构建，以及学术研究。
Huggy Database — French Horse Races (1996-2026) is a structured dataset of French horse racing records covering 30 years from 1996 to 2026. It contains 356,371 races across four types: flat, hurdles, trot (harness), and trot (mounted), covering over 250 racecourses in mainland France and overseas territories. The dataset includes standardized information on over 500,000 horses, 10,000 jockeys, and 8,000 trainers. Each participant provides over 40 variables including PMU/PMH odds differences, shoeing status (déferré), blinkers, 25-meter penalties, automatic starts, track conditions, pedigree, etc. The dataset is provided in a relational PostgreSQL database structure with tables for race metadata (course), participant information (partant), payout reports (rapports), horse profiles (cheval), jockey profiles (jockey), trainer profiles (entraineur), owner profiles (proprietaire), and name mapping (noms_prenoms). This repository releases a free sample (CC BY 4.0 license) containing approximately 932 races from the first quarter of 1999 as CSV data for evaluating data quality and schema. The full archive is available via commercial license. The dataset is suitable for horse racing prediction models (XGBoost, LightGBM, deep learning), PMU betting strategy backtesting (Quinté+, Tiercé, Couplé), horse/jockey/trainer form analysis, natural language to SQL (NL2SQL) and reasoning corpus construction, as well as academic research.
Huggy Database — 法国赛马数据集（1996-2026）
数据集概览
该数据集收录了356,371场比赛、覆盖30年（1996年至2026年）的法国赛马历史数据，每名参赛者包含40+个变量。涵盖快步牵引赛（Attelé）、骑乘快步赛（Monté）、平地赛（Plat）和障碍赛（Haies/Steeple-Chase）等多种赛事类型，包含PMU/PMH赔率分布、马蹄铁、眼罩、场地状况、自动起跑门和血统信息。数据基于法国官方公开赛马结果编制，2001年前通过MINITEL收集，之后通过互联网收集。
数据仓库内容
本仓库托管的是免费评估样本（v2版），并非完整档案，仅包含1999年第一季度（1月至3月）的数据，占完整档案的0.26%。
| 文件 | 行数 | 描述 |
|---|---|---|
courses.csv |
931 | 赛事级元数据，17列，每场比赛一行 |
rapports.csv |
932 | 同一赛事的官方PMU和PMH彩金回报，每场比赛一行 |
注意：样本中的外键经过XOR混淆，courses.csv和rapports.csv无法直接连接。XOR密钥可免费申请（contact@huggydatabase.com）。
数据字典 — courses.csv
| 列名 | 类型 | 描述 |
|---|---|---|
id_course |
数值 | 赛事主键（完整数据库中链接所有其他表） |
date_course |
日期 | 比赛日期，格式 YYYY-MM-DD |
hippodrome |
字符串 | 规范化的赛马场名称（大写，无夜间后缀） |
nocturne |
0/1 | 夜间赛事标记 |
no_course |
数值 | 赛事在会议中的编号 |
nom_course |
字符串 | 官方赛事名称 |
discipline |
字符串 | Attelé、Monté、Plat、Haies、Steeple-Chase、Steeple-chase cross-country |
distance_m |
数值 | 赛事距离（米） |
nb_partants |
数值 | 宣布参赛马匹数量 |
type_piste |
字符串 | 跑道配置，大小写已规范化 |
etat_terrain |
字符串 | 场地状况标签（Bon、Souple、Lourd等），未知时为NULL |
penetrometre |
数值 | 穿透计指数，从场地字符串中拆分，样本中较少填充 |
reduction_km_sec |
数值 | 冠军每公里缩减时间（秒），未知或不适用时为NULL |
temps_total_sec |
数值 | 冠军总比赛时间（秒），未知时为NULL |
allocation |
数值 | 总奖金（当日货币） |
devise |
字符串 | 2002-01-01前为FRF，之后为EUR |
allocation_eur |
数值 | 按官方汇率6.55957转换的奖金 |
数据字典 — rapports.csv
官方PMU和PMH彩金回报，每场比赛一行，按家族分组：
| 家族 | 列名 | 描述 |
|---|---|---|
| 主键 | id_course |
回报行键（XOR混淆的id_course链接） |
| 到达顺序 | p1 … p10 |
官方到达顺序的排名 |
| 程序编号 | no1 … no10 |
每个位置的马鞍布编号 |
| 马匹ID | nocheval1 … nocheval10 |
每个位置马匹的ID |
| PMU单式 | gagnant*、place* |
1单位投注的独赢和位置回报 |
| PMH单式 | jumgagnant*、jumplace*、jumno* |
场内彩金独赢/位置回报 |
| 连赢 | couplegagnant*、coupleplace* |
连赢（任意顺序）和连赢位置回报 |
| 三重彩 | triogains*、triopmugains* |
三重彩和三重彩PMU回报 |
| 前三名 | tierceordre*、tiercedesordre |
精确顺序和任意顺序回报 |
| 四重彩+ | quarteordre*、quartedesordre*、quartebonus |
精确顺序、任意顺序和奖金回报 |
| 五重彩+ | quinteordre*、quintedesordre*、quintebonus* |
精确顺序、任意顺序和奖金回报 |
| 其他 | deuxsurquatre、multi4 … multi7 |
2选4和多重投注回报 |
缺失回报为NULL（不再使用 0.00 或 " " 占位符）。样本期内完全没有数据的投注列已被删除。
免费样本中不包含的内容
- 仅30年中的3个月（1999年1月至3月）
- 8个关系表中仅2个（
course、rapports）——无参赛马、马匹、骑师、练马师、马主 - 外键被混淆（密钥免费提供）
完整数据库内容
| 表 | 行数（约） | 内容 |
|---|---|---|
course |
356,371 | 日期、赛马场、赛事编号和名称、纪律、距离、奖金、参赛者、场地、跑道类型、获胜时间、自动起跑门 |
partant |
4,000,000+ | 每名参赛者一行：最终排名、程序编号、抽签、重量/让磅、去蹄铁（déferré）、眼罩、赔率、收入、取消资格、比赛评论 |
rapports |
356,371 | 完整PMU和PMH回报：独赢、位置、连赢、三重彩、前三名、四重彩+、五重彩+、多重、2选4 |
cheval |
500,000+ | 马匹身份、性别、出生年份、品种、父/母、马主链接 |
jockey |
10,000+ | 骑师身份，已规范化 |
entraineur |
8,000+ | 练马师身份，已规范化 |
proprietaire |
100,000+ | 马主身份，个人和马厩（écuries） |
noms_prenoms |
— | 缩写到全名映射，30年一致的实体识别 |
覆盖范围：1996年至2026年 · 250多个法国赛马场 · 快步牵引赛、骑乘快步赛、平地赛、障碍赛 · 所有官方赛事，包括省级赛事。
v2版规范化变更日志
- 修复
hyppodrome拼写错误 →hippodrome - 赛马场名称规范化：
VINCENNES (Nuit)→VINCENNES+nocturne = 1 - 旧版混合
tps_gagnant编码解码为两个数值秒数列（temps_total_sec、reduction_km_sec），用NULL代替0 - 场地标签和穿透计指数拆分为两列（
etat_terrain、penetrometre） - 货币明确化（
devise、allocation_eur） - 删除了一个错误归属的外国赛事（1999-03-28被误归入Auteuil的迪拜世界杯）——因此为931行而非932行
许可信息
| 层级 | 价格 | 适用对象 | 内容 |
|---|---|---|---|
| 免费样本 | €0 | 评估用途 | 本仓库——1999年第一季度，CC BY 4.0 |
| 研发包 | €2,950 | 分析师、学生、原型开发 | 2年数据 · 完整关系结构 · 有限PMU/PMH赔率分布 |
| 完整档案 | €9,500 | 量化分析师、投注集团 | 1996-2026年完整数据库 · PMU/PMH赔率分布 · 原生SQL · 40+变量 |
| 推理引擎 | €45,000+ | 企业 | 知识产权转让（源代码） · Bernoulli和Monte-Carlo模块 · 原始查询构建器 |
CC BY 4.0许可范围：仅适用于本仓库发布的样本，需注明来源 huggydatabase.com。完整档案、研发包和推理引擎不在CC BY 4.0范围内，需单独协商商业许可。
使用场景
- 赛马预测模型（XGBoost、LightGBM、深度学习）
- 回测PMU投注策略（五重彩+、前三名、连赢）
- 马匹/骑师/练马师的状态分析
- 关系表格数据上的NL2SQL和推理语料
- 关于彩池投注市场的学术研究
外部资源
- 官方网站：https://huggydatabase.com/
- 交互式查询构建器：https://huggydatabase.com/#query
- 基准模型：https://huggingface.co/huggy-engine/turf-baseline-bernoulli
- Query Builder Space：https://huggingface.co/spaces/huggy-engine/huggy-database-query-builder
- Kaggle数据集（免费样本）：https://www.kaggle.com/datasets/huggydatabase/french-horse-races-1996-2026
- Kaggle入门EDA笔记本：https://www.kaggle.com/code/huggydatabase/french-horse-racing-pmu-eda-starter
Kaggle和Hugging Face托管相同的免费样本（v2，931场比赛）。完整的356,371场赛事档案需从huggydatabase.com获取许可。
