five

FPL-Elo-Insights Dataset|英超联赛数据集|FantasyPremierLeague数据集

收藏
github2025-01-03 更新2025-01-04 收录
英超联赛
FantasyPremierLeague
下载链接:
https://github.com/olbauday/FPL-Elo-Insights
下载链接
链接失效反馈
资源简介:
该数据集结合了Fantasy Premier League (FPL)数据、手动整理的比赛统计数据和历史Elo评分,为英超联赛的深入分析提供了强大的资源。数据集每天自动更新两次,提供CSV和SQL DB两种格式,包含多个数据表,如比赛数据、球员比赛统计数据、球员基本信息、FPL特定球员统计数据和球队信息等。
创建时间:
2024-12-30
原始信息汇总

FPL-Elo-Insights 数据集概述

数据集简介

FPL-Elo-Insights 数据集是一个综合性的英超联赛分析数据集,结合了 Fantasy Premier League (FPL) 数据、手动收集的比赛统计数据以及历史 Elo 评分,为足球分析特别是 FPL 提供了强大的资源。

数据更新与可用性

  • 数据集每天自动更新两次,时间分别为:
    • UTC 时间 5:00 AM
    • UTC 时间 5:00 PM

数据格式

  • 数据提供两种格式:
    • CSV 文件,便于导入数据分析工具
    • SQL DB 文件

数据表概览

表名 描述 关键特征 主要用途
matches 综合的比赛数据 包含每场比赛的详细统计数据,如比分、控球率、射门次数和球队表现指标 比赛分析、球队表现跟踪和赛程难度评估
playermatchstats 每场比赛的详细球员统计数据 包括进球、助攻、触球、传球和防守动作等个人球员表现指标 球员表现分析、球探和历史跟踪
players 来自 FPL API 的基本球员信息 包括球员姓名、位置和所属球队等核心信息 球员识别和基本信息查询
playerstats FPL 特定的球员统计数据 包括成本、拥有率、状态和预期表现指标等广泛的 FPL 指标 FPL 策略、球员估值和转会规划
teams 球队信息和实力指标 包括球队详情、实力评分和 Elo 评分 球队分析、赛程难度评估和表现跟踪

数据表详细说明

matches

  • 包含比赛级别的综合数据,如比赛周、开球时间、主客场球队、Elo 评分、比分、控球率、射门次数等。
  • 关键字段:
    • gameweek: 比赛周
    • kickoff_time: 开球时间
    • home_team, away_team: 主客场球队 ID
    • home_team_elo, away_team_elo: 主客场球队的 Elo 评分
    • home_score, away_score: 比赛最终比分
    • finished: 比赛是否结束
    • match_id: 比赛唯一标识符

playermatchstats

  • 提供每场比赛的球员级别详细统计数据,如上场时间、进球、助攻、射门、预期进球等。
  • 关键字段:
    • player_id: 球员 ID
    • match_id: 比赛 ID
    • minutes_played: 上场时间
    • goals: 进球数
    • assists: 助攻数

players

  • 包含来自 FPL API 的基本球员信息,如球员代码、姓名、所属球队和位置。
  • 关键字段:
    • player_code: 球员在 FPL API 中的唯一代码
    • player_id: 球员唯一标识符
    • first_name: 球员名字
    • second_name: 球员姓氏
    • team_id: 所属球队 ID

playerstats

  • 存储广泛的 FPL 球员统计数据,如球员状态、成本、拥有率、总积分、预期进球等。
  • 关键字段:
    • id: 球员 ID
    • status: 球员状态
    • now_cost: 当前成本
    • total_points: 赛季总积分
    • expected_goals: 预期进球

teams

  • 包含来自 FPL API 的球队信息,如球队代码、名称、实力评分和 Elo 评分。
  • 关键字段:
    • code: 球队在 FPL API 中的唯一代码
    • id: 球队唯一标识符
    • name: 球队全名
    • elo: 球队的 Elo 评分

数据来源

  • 手动收集的比赛统计数据:包括详细的比赛事件、球员统计数据等。
  • Club Elo Ratings:来自 ClubElo.com 的历史和当前 Elo 评分。
  • 官方 Fantasy Premier League API:提供球员统计数据、每周积分、状态、成本和拥有率等数据。

已知问题

  • 不完整的比赛数据matches 表中的部分字段数据缺失,如 home_team_difficultyaway_team_difficulty 等。

贡献

欢迎对该项目做出贡献,包括改进建议、额外数据源或帮助填补缺失数据。

AI搜集汇总
数据集介绍
main_image_url
构建方式
FPL-Elo-Insights数据集通过整合多个数据源构建而成,主要包括手动收集的比赛统计数据、英超联赛球队的历史Elo评分以及官方Fantasy Premier League(FPL)API提供的球员数据。数据集每日自动更新两次,确保数据的时效性和准确性。数据以CSV和SQL DB两种格式提供,便于用户根据需求进行灵活的数据导入和分析。
特点
该数据集涵盖了丰富的比赛和球员统计数据,包括比赛结果、球队表现、球员个人表现以及FPL特有的指标如球员成本、所有权百分比和预期表现等。数据集中的Elo评分为球队实力提供了历史视角,而FPL数据则为玩家提供了详细的球员表现和策略分析依据。此外,数据集还包含详细的比赛事件统计,如射门、传球、拦截等,为深度分析提供了坚实的基础。
使用方法
用户可以通过CSV或SQL DB文件轻松导入数据,进行比赛分析、球员表现评估以及FPL策略制定。数据集适用于多种场景,如球队表现追踪、球员历史数据对比、FPL玩家选人策略优化等。用户还可以结合Elo评分和FPL数据,进行球队实力评估和比赛难度预测。数据集的使用方式灵活,适用于个人研究、博客文章或网站内容创作。
背景与挑战
背景概述
FPL-Elo-Insights数据集是一个综合性的足球分析资源,结合了Fantasy Premier League(FPL)数据、手动收集的比赛统计数据以及历史Elo评分。该数据集由多个数据源整合而成,旨在为英超联赛的深度分析提供支持,特别是为FPL玩家提供战略决策依据。数据集的核心研究问题在于如何通过多维度的比赛和球员数据,提升对球队表现、球员价值以及比赛难度的预测能力。自创建以来,该数据集已成为足球数据分析领域的重要工具,广泛应用于比赛分析、球员表现追踪以及FPL策略制定等领域。
当前挑战
FPL-Elo-Insights数据集在构建和应用过程中面临多重挑战。首先,数据整合的复杂性是一个主要问题,数据集需要从多个来源(如FPL API、手动收集的比赛数据和Elo评分)提取并统一格式,确保数据的一致性和完整性。其次,数据更新频率较高,每日两次的自动更新要求系统具备高效的数据处理和存储能力。此外,部分比赛数据存在缺失或不完整的情况,例如`matches`表中的某些列(如`home_team_difficulty`和`away_team_difficulty`)尚未完全填充,这影响了数据的全面性和分析精度。最后,如何将复杂的多维数据转化为可操作的洞察,仍然是该数据集在实际应用中需要解决的关键问题。
常用场景
经典使用场景
FPL-Elo-Insights数据集在英超联赛分析中展现了其独特的价值,尤其是在Fantasy Premier League(FPL)策略制定中。通过整合FPL数据、手动收集的比赛统计数据和历史Elo评分,该数据集为研究人员和分析师提供了全面的比赛和球员表现指标。经典的使用场景包括比赛结果预测、球员表现评估以及球队实力分析。这些数据不仅帮助FPL玩家优化阵容选择,还为足球分析师提供了深入洞察比赛动态的工具。
衍生相关工作
FPL-Elo-Insights数据集催生了一系列相关研究工作。例如,基于该数据集开发的比赛预测模型和球员评分系统已成为足球分析领域的重要工具。此外,研究人员利用数据集中的FPL数据研究了虚拟足球游戏中的玩家行为模式,揭示了决策偏差和策略优化的潜在路径。一些衍生工作还结合机器学习技术,进一步提升了比赛结果预测和球员表现评估的准确性,为足球分析开辟了新的研究方向。
数据集最近研究
最新研究方向
近年来,FPL-Elo-Insights数据集在足球分析与Fantasy Premier League(FPL)策略优化领域引起了广泛关注。该数据集通过整合FPL数据、手动收集的比赛统计信息以及历史Elo评分,为研究人员和数据分析师提供了丰富的资源。当前的研究方向主要集中在利用机器学习模型预测球员表现和比赛结果,特别是在预期进球(xG)、预期助攻(xA)等高级指标的深度挖掘上。此外,Elo评分的动态更新机制为球队实力评估和赛程难度分析提供了新的视角。随着数据科学技术的进步,该数据集在FPL玩家策略优化、球队战术分析以及球员转会市场评估中的应用前景愈发广阔,成为足球数据分析领域的重要工具。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

中国农村金融统计数据

该数据集包含了中国农村金融的统计信息,涵盖了农村金融机构的数量、贷款余额、存款余额、金融服务覆盖率等关键指标。数据按年度和地区分类,提供了详细的农村金融发展状况。

www.pbc.gov.cn 收录

网易云音乐数据集

该数据集包含了网易云音乐平台上的歌手信息、歌曲信息和歌单信息,数据通过爬虫技术获取并整理成CSV格式,用于音乐数据挖掘和推荐系统构建。

github 收录

O*NET

O*NET(Occupational Information Network)是一个综合性的职业信息数据库,提供了关于各种职业的详细描述,包括技能要求、工作活动、知识领域、工作环境等。该数据集被广泛用于职业分析、教育和劳动力市场研究。

www.onetonline.org 收录

CAP-DATA

CAP-DATA数据集由长安大学交通学院的研究团队创建,包含11,727个交通事故视频,总计超过2.19百万帧。该数据集不仅标注了事故发生的时间窗口,还提供了详细的文本描述,包括事故前的实际情况、事故类别、事故原因和预防建议。数据集的创建旨在通过结合视觉和文本信息,提高交通事故预测的准确性和解释性,从而支持更安全的驾驶决策系统。

arXiv 收录

COMPAS Recidivism Risk Score Data

该数据集包含了COMPAS(Correctional Offender Management Profiling for Alternative Sanctions)系统生成的再犯风险评分数据。COMPAS是一种用于评估被告再犯风险的工具,数据集包括了被告的人口统计信息、犯罪历史、COMPAS评分等。

www.propublica.org 收录