README repositori ini adalah panduan sumber materi pembelajaran, sumber data, perpustakaan, makalah, blog, dll., yang dibuat oleh semua pihak yang telah memberikan kontribusi pada komunitas analisis sepak bola sumber terbuka. Repositori GitHub dan daftar sumber daya ini selalu dalam proses, dengan sumber daya baru ditambahkan secara semi-teratur. Jika Anda merasa ada sumber daya yang saya lewatkan, silakan membuat permintaan tarik atau kirimi saya pesan pada tautan di atas dan saya akan menghubungi Anda kembali secepat mungkin!
Jika Anda menyukai reponya, silakan berikan (kanan atas). Bersulang!
Untuk informasi lebih lanjut tentang repositori ini dan penulisnya, lihat yang berikut ini:
Kode dalam repositori ini ditulis dalam campuran Python dan R. Sebelum memulai, pastikan Anda telah menginstal prasyarat berikut:
Pustaka ilmu data Python umum:
NumPy untuk komputasi array multidimensi;pandas untuk analisis dan manipulasi data;matplotlib dan Seaborn untuk visualisasi data; Danscitkit-learn dan SciPy untuk Pembelajaran Mesin.Pustaka Python analisis sepak bola:
kloppy - paket untuk standarisasi data pelacakan dan peristiwa oleh Koen Vossen dan Jan Van Haaren. Lihat tutorial YouTube [tautan]floodlight oleh lampu sorot-olahraga - paket untuk analisis data olahraga yang efisien. Ini dirancang dengan fokus yang jelas pada komputasi ilmiah dan dibangun di atas perpustakaan populer seperti numpy atau pandas. Lihat dokumentasi berikut [tautan]matplotsoccer - perpustakaan Python untuk memvisualisasikan data acara sepak bola oleh Tom Decroosmplsoccer - perpustakaan Python untuk merencanakan lapangan sepak bola di matplotlib oleh Andrew RowlinsonPySport termasuk PySport Soccer - kumpulan paket olahraga sumber terbuka termasuk banyak yang disebutkan di bagian ini, oleh Koen VossenScraperFC oleh Owen Seymour - paket Python untuk mengikis data dari data FiveThirtyEight, FBref, Understat, Club Elo, Capology, dan TransferMarkt. Data acara Opta yang sebelumnya diambil melalui WhoScored? pusat kecocokan (fungsinya sekarang dihapus tetapi lihat versi lama dan repo GitHub untuk menemukan kode ini)statsbombapi - pembungkus API Python dan kelas data untuk data StatsBombstatsbombpy - perpustakaan Python yang ditulis oleh Francisco Goitia untuk mengakses data StatsBombsocceraction - perpustakaan Python untuk menilai tindakan individu yang dilakukan oleh pemain sepak bola. Termasuk implementasi Expected Threat (xT) oleh Tom Decroos et. al.soccer_xg oleh ML KU Leuven- paket Python untuk melatih dan menganalisis model tujuan yang diharapkan (xG) dalam sepak bolasoccerdata - mengikis data sepak bola dari Club Elo, ESPN, FBref, FiveThirtyEight, Football-Data.co.uk, SoFIFA dan WhoScored oleh Pieter Robberechtstyrone_mings oleh FCrSTATS - webscraper Python TransferMarkt Pustaka ilmu data R umum:
Pustaka R analisis sepak bola:
ggsoccer oleh Ben Torvaney - perpustakaan visualisasi sepak bola di RggshakeR oleh Abhishek Mishra - paket R analisis dan visualisasi yang berfungsi dengan data sepak bola yang tersedia untuk umum. Lihat dokumentasi berikut [tautan]StatsBombR - paket R untuk mengalirkan data StatsBomb dengan mudah dari API menggunakan kredensial login Anda atau dari repositori Open Data GitHub gratis ke Rsoccermatics oleh Joe Gallagher - paket R untuk visualisasi dan analisis pelacakan sepak bola dan data peristiwaworldfootballR oleh Jason Zivkovic - paket R untuk mengekstraksi data sepak bola dunia (sepak bola) dari FBref, TransferMarkt, Understat dan fotmob (lihat panduan tentang cara menggunakan paket ini [tautan])? Kembali
Isi repositori GitHub ini disusun sebagai berikut:
eddwebster/football_analytics/ ➡️ central repository of code and analysis by Edd Webster ?⚽
│
├── dashboards/ ➡️ store of Tableau dashboards used for analysis ?
│
├── data/ ➡️ a selection of raw and processed data extracts by various providers ??
│ ├── capology
│ ├── davies
│ ├── elo
│ ├── fbref
│ ├── fifa
│ ├── guardian
│ ├── metrica-sports
│ ├── opta
│ ├── reference
│ ├── sb
│ ├── shots
│ ├── stats-perform
│ ├── stratabet
│ ├── tm
│ ├── touchline-analytics
│ ├── twenty-first-group
│ ├── understat
│ └── wyscout
│
├── docs/ ➡️ store of documentation for different vendors ?
│ ├── centre-circle
│ ├── metrica-sports
│ ├── opta
│ ├── sb
│ ├── shots
│ ├── stratabet
│ └── wyscout
│
├── fonts/ ➡️ store of custom and externally acquired fonts used for data visualisation ✍️?
│
├── ? .gitignore ➡️ ignore unnecessary files for version control with Git ?
│
├── img/ ➡️ store of images used for analysis including club badges, vendor logos and official media images ??
│ ├── club_badges/ # badges for football clubs
│ ├── edd_webster/ # images related to Edd Werbster
│ ├── fig/ # generated figures derived from analysis and reports in this repository
│ ├── gif/ # GIF images
│ ├── memes/ # memes
│ ├── pitches/ # images of football pitches and goals used mostly for Tableau visualisation
│ ├── players/ # images of football players
│ ├── vendors/ # logos for data vendors e.g. StatsBomb
│ ├── vizpiration/ # high-quality visualisations and analysis from renowned members of the football analytics community
│ └── websites-blogs/ # logos for data analysis websites and blogs e.g. Club Elo
│
├── scripts/ ➡️ store of libraries and Python and open source code ??
│
├── notebooks/ ➡️ Jupyter notebooks for exploration and visualisation
│ ├── 1_data_scraping/ # notebooks with code to acquire data via webscraping
│ │ ├── Capology Player Salary Web Scraping.ipynb
│ │ ├── FBref Player Stats Web Scraping.ipynb
│ │ └── TransferMarkt Player Bio and Status Web Scraping.ipynb
│ │
│ ├── 2_data_parsing/ # notebooks with code to acquire data via APIs
│ │ ├── Elo Team Ratings Data Parsing.ipynb
│ │ ├── StatsBomb Data Parsing.ipynb
│ │ └── Wyscout Data Parsing.ipynb
│ │
│ ├── 3_data_engineering/ # notebooks with code to engineer raw, unprocessed data to processed data
│ │ ├── Capology Player Salary Data Engineering.ipynb
│ │ ├── Centre Circle Opta CPL Data Engineering.ipynb
│ │ ├── FBref Player Stats Data Engineering.ipynb
│ │ ├── Opta #mcfcanalytics PL 2011-2012.ipynb
│ │ ├── StatsBomb Data Engineering.ipynb
│ │ ├── The Guardian Player Recorded Transfer Fees Data Engineering.ipynb
│ │ ├── TransferMarkt Historical Market Value Data Engineering.ipynb
│ │ ├── TransferMarkt Player Bio and Status Data Engineering.ipynb
│ │ ├── TransferMarkt Player Recorded Transfer Fees Data Engineering.ipynb
│ │ ├── Understat Data Engineering.ipynb
│ │ └── Wyscout Data Engineering.ipynb
│ │
│ ├── 4_data_unification/ # notebooks with code to unify disperate datasets
│ │ └── Unification of Aggregated Seasonal Football Datasets.ipynb
│ │
│ └── 5_data_analysis_and_projects # notebooks with code for example projects and analysis
│ ├── player_similarity_and_clustering
│ │ └── PCA and K-Means Clustering of 'Piqué-like' Defenders.ipynb
│ │
│ ├── tracking_data
│ │ ├── metrica_sports
│ │ │ └── Metrica Tracking Data EDA.ipynb
│ │ └── signality
│ │ ├── Signality Tracking Data Engineering.ipynb
│ │ └── Signality Tracking Data EDA.ipynb
│ │
│ └── xg_modeling
│ ├── shots_dataset
│ │ ├── Logistic Regression Expected Goals Model.ipynb
│ │ └── XGBoost Expected Goals Model.ipynb
│ └── opta_dataset
│ └── raining of an Expected Goals Model Using Opta Event Data.ipynb
│
├── ? README.md ➡️ project description and setup guide for better structure and collaboration ?
│
├── research/ ➡️ central repository of research and publicly available resources in football analytics ?⚽
│ ├── documents/ # documents
│ ├── papers/ # published academic papers and literature
│ └── slides/ # PowerPoint slides for published research
│
└── video/ ➡️ store of videos used or generated for analysis ??
? Kembali
Kode dalam repositori ini sebagian besar ditulis dalam notebook Jupyter atau skrip Python, yang disusun dalam alur kerja berikut:
? Kembali
Untuk dasbor Tableau yang dibuat menggunakan data yang direkayasa dalam buku catatan di repositori ini, silakan lihat profil Publik Tableau saya: public.tableau.com/profile/edd.webster.
Contoh dasbor Tableau:
? Kembali
Penghargaan untuk sumber daya berikut yang semuanya digunakan untuk menutup kesenjangan dalam panduan sumber daya ini setelah diterbitkan:
analytics-handbook Repo GitHub oleh Devin Pleuler- repo GitHub untuk memulai analisis sepak bolaawesome-football oleh football.db (Gerald Bauer) - kumpulan kumpulan data sepakbola yang mengagumkanawesome-football-analytics oleh Diego Pastorawesome-soccer-analytics oleh Matias MasciotoguideR oleh Dom Samangy - spreadsheet Google dengan 200+ sumber daya R, 100+ tutorial Python, 30+ paket, 25+ akun untuk diikuti, 10 lembar contekan, dan beberapa buku & blog gratis. Repo GitHub [tautan]soccer-analytics-resources oleh Jan Van Haaren? Kembali
Sumber daya yang bagus bagi mereka yang baru menggunakan data dalam sepak bola:
soccer-analytics-handbook oleh Devin Pleulerawesome-football-analytics oleh Diego Pastorawesome-soccer-analytics oleh Matias Masciotosoccer-analytics-resources oleh Jan Van Haaren? Kembali
Sumber data dan kumpulan data terkait sepak bola yang tersedia untuk umum, mulai dari data Pelacakan, data Acara, data kinerja pemain gabungan, statistik pertandingan terperinci, catatan cedera dan nilai transfer, dan banyak lagi.
Sumber data yang telah digunakan dalam kode dan analisis dalam repositori ini dapat ditemukan di subfolder data repositori ini atau di Google Drive (karena batas file GitHub sebesar 100MB) [tautan]. Namun semua kode dalam repositori ini harus memungkinkan Anda untuk mengikis, mengurai, dan merekayasa kumpulan data sesuai dengan keluaran yang digunakan untuk analisis dan visualisasi yang ditampilkan.
Untuk mempelajari lebih lanjut tentang berbagai jenis data yang tersedia, seperti data Peristiwa dan Pelacakan, lihat bagian "Di mana saya bisa mendapatkan data?" bagian dari soccer_analytics_handbook Devin Pleuler [tautan].
Untuk informasi singkat tentang sumber data sepak bola gratis yang tersedia, lihat thread Twitter berikut oleh James Nalton [link].
Data Peristiwa diberi label data untuk setiap peristiwa on-the-ball yang terjadi selama pertandingan. Data dikumpulkan secara manual dari rekaman televisi. Untuk mempelajari lebih lanjut tentang pengumpulan data, lihat video berikut [link].
Setiap pertandingan data acara memiliki sekitar 2-3 ribu acara individu (baris), tergantung pada penyedianya.
Penyedia utama data ini adalah StatsBomb, Stats Perform (secara resmi Opta), dan Wyscout.
| Nama | Komentar | Sumber/metode untuk mendapatkan data |
|---|---|---|
| Data Terbuka StatsBomb |
| Repo GitHub Data Terbuka StatsBomb |
| StrataData oleh StrataBet | Data peluang penembakan disediakan | Tidak lagi tersedia (sejak 2018), namun dapat ditemukan di repo GitHub analisis lama (termasuk yang ini) [tautan]. |
| Kumpulan Data Video Sepak Bola dan Posisi Pemain | Kumpulan data pergerakan pemain sepak bola elit dan video terkait, disediakan oleh Universitas Oslo. Lihat makalah terlampir [link] | [Tautan] (tampaknya tidak berfungsi lagi) |
| pilihan | Data acara untuk 20+ liga termasuk liga '5 Besar' Eropa, beberapa di antaranya berasal dari musim 09/10, | Data tersedia melalui scraping WhoScored? Match Center melalui metode berikut:
|
| Opta (kumpulan data sampel 11/12) | Data performa pemain agregat pertandingan demi pertandingan untuk musim 11/12 dan data Acara F24 untuk pertandingan 11/12 Manchester City vs. Bolton Wanders sebagai bagian dari inisiatif #mcfcanalytics | Tidak lagi tersedia (sejak 2012), namun dapat ditemukan di repo GitHub analisis lama (termasuk yang ini). |
| Mengecilkan | Pemotretan dan data meta termasuk nilai xG untuk liga '5 Besar' Eropa dan Liga Utama Rusia | Data ini dapat diakses melalui berikut ini:
|
| Pramuka | Data acara musim 17/18 untuk liga '5 Besar' Eropa, Chanpionship Euro 2016, dan Piala Dunia 2018 disediakan oleh Luca Pappalardo, Alessio Rossi, dan Paolo Cintia. Lihat makalah mereka Kumpulan data publik tentang peristiwa pertandingan spatio-temporal dalam kompetisi sepak bola. | berbagi gambar |
Data Pelacakan mencatat koordinat x dan y setiap pemain di lapangan, serta bola, beberapa kali per detik (biasanya 10-25). Oleh karena itu, kumpulan datanya cukup besar, jauh lebih besar daripada data peristiwa yang berjumlah sekitar 2-3 juta baris per game.
Data dikumpulkan oleh kamera yang dipasang di stadion dan oleh karena itu tidak tersedia secara luas, dan tim biasanya hanya memiliki akses ke data di liga mereka sendiri.
Penyedia utama data ini adalah Second Spectrum, STATS Perform, Metrica Sports, dan Signality.
| Nama | Komentar | Sumber/metode untuk mendapatkan data |
|---|---|---|
| Data seperti Pelacakan Baris Terakhir oleh Ricardo Tavares | Data seperti pelacakan dikumpulkan oleh Ricardo Tavares. Lihat Tantangan Analisis Liverpool yang menggunakan data ini (pemenang dibahas di Teman Pelacakan [tautan]). | Repo GitHub |
| Pelacakan Sampel Metrica Sports dan data Acara terkait | Tiga contoh kecocokan peristiwa yang disinkronkan dan data pelacakan. Agar kode dapat berfungsi dengan data ini termasuk pemodelan Pitch Control, lihat repo GitHub LaurieOnTracking oleh Laurie Shaw dan tutorial Friends of Tracking terkait. | Repo GitHub |
| Data Pelacakan Sinyal | Data pelacakan tiga pertandingan Allsvenskan - Hammarby vs IF Elfsborg (22/07/2019), Hammarby 5 vs. 1 Örebrö (30/09/2019), dan Hammarby vs Malmö FF (20/10/2019). | Data ini tersedia sebagai bagian dari kursus Pemodelan Matematika Sepak Bola 2020. Kata sandi untuk mengunduh data tidak tersedia untuk umum, tetapi dapat ditemukan di grup Uppsala Mathematical Modeling of Football Slack [tautan]. Untuk akses, hubungi Twitter Novosom Salvador dan [email protected], atau jangan ragu untuk menghubungi saya sendiri. Perlu dicatat, paruh kedua pertandingan Hammarby-Örebro belum selesai. |
Pelacakan Siaran dikumpulkan dari rekaman siaran menggunakan teknik visi komputer. Tidak seperti data pelacakan di dalam stadion, kumpulan data tersebut tidak lengkap dan tidak ada pemain yang keluar dari rekaman siaran. Namun, manfaat besarnya adalah data yang dikumpulkan jauh lebih murah dan cakupan liga yang tersedia jauh lebih besar sehingga sangat berguna untuk tugas-tugas seperti analisis rekrutmen.
Penyedia utama data ini adalah SkillCorner dan Sportlogiq.
| Nama | Komentar | Sumber/metode untuk mendapatkan data |
|---|---|---|
| Data Pelacakan siaran SkillCorner | 9 pertandingan data pelacakan siaran, termasuk pertandingan 2019/2020 untuk juara liga dan runner up Liga Premier Inggris, L1 Prancis, LaLiga Spanyol, Serie A Italia, dan Bundesliga Jerman. Untuk mengetahui lebih lanjut tentang data pelacakan siaran dan kasus penggunaannya, lihat artikel Medium berikut [tautan]. | Repo GitHub |
| Nama | Komentar | Sumber/metode untuk mendapatkan data |
|---|---|---|
| Data pemodelan DAVIES | Perkiraan data evaluasi pemain oleh Sam Goldberg dan Mike Imburgio untuk American Soccer Analysis. Untuk mempelajari lebih lanjut tentang DAVIES, lihat postingan blog berikut [link]. | Aplikasi Mengkilap |
| Data kinerja pemain agregat musim ke musim FBref disediakan oleh StatsPerform. | Data performa pemain gabungan untuk kompetisi berikut:
| Catatan: terjadi perubahan pada penyedia data yang digunakan FBref untuk statistiknya pada Oktober 2022, dari StatsBomb menjadi StatsPerform. Oleh karena itu, kode pengikisan berikut ini dibagi menjadi solusi yang berfungsi saat ini dan solusi yang diarsipkan:
|
| Data Statistik Perform dan Center Circle Liga Utama Kanada | Data kinerja pemain gabungan | Google Drive |
| Nama | Komentar | Sumber/metode untuk mendapatkan data |
|---|---|---|
| Peringkat klub Elo | Peringkat Elo untuk klub sepak bola berdasarkan hasil masa lalu untuk memungkinkan estimasi kekuatan masing-masing klub, memungkinkan prediksi untuk masa depan. | Data tersedia melalui:
|
| Indeks Klub Euro | Pemeringkatan tim sepak bola di divisi tertinggi di seluruh negara Eropa, yang menunjukkan kekuatan bermain relatif mereka pada waktu tertentu, dan perkembangan kekuatan bermain dari waktu ke waktu. Untuk mengetahui lebih lanjut tentang metodologi yang digunakan untuk menghitung pemeringkatan tersebut, lihat halaman berikut [link] | Link |
| Peringkat Klub FiveThirtyEight | Peringkat Sepak Bola Klub Global. Bagaimana perbandingan 637 tim klub internasional berdasarkan Soccer Power Index | Data tersedia melalui:
|
| Peringkat Kekuatan Opta | Peringkat Kekuatan Opta | Data tersedia melalui:
|
| Koefisien Klub UEFA | Peringkat koefisien klub UEFA berdasarkan hasil seluruh klub Eropa di kompetisi klub UEFA. | Data tersedia melalui:
|
| Peringkat Klub Sepak Bola / Sepak Bola Dunia | Situs web peringkat klub | Link |
| Nama | Komentar | Sumber/metode untuk mendapatkan data |
|---|---|---|
| Data fisik Bundesliga | Statistik pemain Bundesliga, didukung oleh AWS | Tautan (tidak dimasukkan ke dalam CSV) |
| Nama | Komentar | Sumber/metode untuk mendapatkan data |
|---|---|---|
| Daftar Nama Piala Dunia FIFA 2018 | Gol, caps, klub, dan tanggal lahir pemain di daftar pemain Piala Dunia FIFA 2018. Sumber: data.dunia | Unggul |
| engsoccerdata | Hasil sepak bola Inggris dan Eropa 1871-2017 | Repo GitHub |
| Hasil Pertandingan Piala Dunia FIFA | Pertandingan dan hasil pertandingan Piala Dunia FIFA tahun 1930 - 2014. Sumber: data.world | Unggul |
| FotoMob | Kumpulan data termasuk statistik tim dan permainan termasuk xG dan xG pasca-shot. | Data ini dapat diambil menggunakan:
|
| Susunan Pemain Sepak Bola | Basis data taktik dan formasi tim yang dikumpulkan oleh pengguna. | Link |
international_results | Gudang hasil 44.353 hasil pertandingan sepak bola internasional mulai dari pertandingan resmi pertama pada tahun 1872 hingga tahun 2022. | Repo GitHub |
| pramuka pintar | Platform informasi kepanduan dan rating pemain untuk mengevaluasi kinerja pemain sepak bola di seluruh dunia. Platform ini dikembangkan oleh Dan Altman di North Yard Analytics untuk menilai kontribusi pemain terhadap kemenangan, gaya bermain, dan tingkat keahlian mereka. Catatan : ini adalah layanan berlangganan. | Link |
| SofaScore | Skor langsung, susunan pemain, kedudukan, peta panas, dan data tim dasar, pelatih, dan pemain | Link |
| jalur sepak bola | Data lembar pertandingan | Link |
| Nama | Komentar | Sumber/metode untuk mendapatkan data |
|---|---|---|
| Kapologi | Gaji pemain | Lihat buku catatan Scraping Web Gaji Pemain Capology untuk kode Python untuk mengikis data Capology atau mengakses file CSV yang disimpan dalam subfolder data |
| Tolok Ukur Sepak Bola KPMG | data penilaian pemain | |
| Harga Spreadsheet Football Master | data dari aspek keuangan/bisnis sepak bola oleh Kieran Maguire | Link |
| spotrac | Kontrak pemain, gaji, dan informasi transfer untuk Liga Premier, MLS, dan NWSL | |
| Pasar Transfer | Data bio pemain, kontrak, dan perkiraan nilai | Data ini dapat diakses melalui berikut ini:
|
| Data Transfer Pemain Penjaga | Disusun oleh Tom Worville (lihat Tweet [link]) | GitHub |
| Nama | Komentar | Sumber/metode untuk mendapatkan data |
|---|---|---|
| Penjelajah Taruhan | data peluang | Link |
| Basis data Prediksi Sepak Bola FiveThirtyEight | data prediksi sepak bola | Link |
| Sepak Bola-Data.co.uk | taruhan gratis dan taruhan sepak bola, hasil sejarah sepak bola dan arsip peluang taruhan, skor langsung, perbandingan peluang, saran taruhan, dan artikel taruhan | Link |
| Hasil sepak bola internasional dari tahun 1872 hingga 2020 | kumpulan data terkini lebih dari 40.000 hasil sepak bola internasional oleh Mart Jürisoo | Link |
Lihat thread Twitter Mark Wilkin untuk mengetahui lebih lanjut tentang cara merencanakan data acara Anda sendiri [link]:
| Nama | Komentar | Sumber/metode untuk mendapatkan data |
|---|---|---|
| jaringan xT | Nilai Ancaman yang Diharapkan (xT) di seluruh Liga dari musim Liga Premier 2017-18 (grid 12x8) ditentukan oleh Karun Singh. Untuk informasi lebih lanjut tentang xT, lihat postingan blog Karun [link] | Link |
| jaringan EPV | Kisi Nilai Kepemilikan yang Diharapkan ditentukan oleh Laurie Shaw. Lihat kuliah berikut untuk informasi lebih lanjut [link] | Link |
| Zona lapangan | Perincian nada menjadi beberapa zona, untuk digunakan dengan visualisasi. Dibuat oleh Rob Carroll | Link |
| Nama | Komentar | Sumber/metode untuk mendapatkan data |
|---|---|---|
awesome-football oleh football.db (Gerald Bauer) | Kumpulan kumpulan data sepak bola (tim nasional, klub, jadwal pertandingan, pemain, stadion, dll.) yang mengagumkan | Repo GitHub |
| Data Sepak Bola Pusat Data | Link | |
| Basis Data Sepak Bola Eropa | 25k+ pertandingan, atribut pemain & tim untuk Sepak Bola Profesional Eropa | Link |
| Data rating pemain FIFA 15-22 | Digores dari SoFIFA oleh Stefano Leone | Link |
| Peringkat Pemain FIFA 18 | 17k+ pemain, 70+ atribut diambil dari FIFA 18, disediakan oleh sofifa | Link |
FootballData | "Gado-gado data JSON dan CSV Football" | GitHub |
footballcsv | Hasil sejarah sepak bola dalam format CSV | Link |
| sepak bola.db | Basis data & skema sepak bola domain publik yang gratis dan terbuka untuk digunakan dalam bahasa (pemrograman) apa pun (misalnya menggunakan kumpulan data biasa) | Link |
| Sepak bola xG | Link | |
| Panduan untuk data dan API Sepak Bola/Sepak Bola oleh Joe Kampschmid | Link | |
| Fakta Sepak Bola Saya | Link | |
| Ruang Fisio | Link | |
| DitambahMinusData | data bermain demi bermain dari espn.com | Link |
| Yayasan Statistik Rec.Sport.Soccer | Tabel liga bersejarah dan hasil sepak bola | Link |
| Simulator Sepak Bola RoboCup | Data Simulator Sepak Bola RoboCup | Link |
| mengoceh | Link | |
| Stat Bunker | Link | |
| Sumber daya data Tableau | termasuk data olahraga | Link |
| Liga Pemindahan | Link | |
| Dua Belas Sepak Bola | Link | |
| wosostats | Data sepak bola wanita dari seluruh dunia | Link |
Semua dokumentasi disimpan secara lokal di subfolder dokumentasi, termasuk:
? Kembali
soccer_analytics oleh Kraus Clemens - sebuah proyek Python yang memfasilitasi titik awal untuk analisisFootball-Analytics-With-Python oleh Anmol DurgapalLihat Tableau untuk Server Perselisihan Olahraga yang diselenggarakan oleh Ninad Barbadikar, untuk berinteraksi dengan komunitas pengembang Tableau
Untuk daftar putar YouTube dari video dan tutorial-sepaket yang telah saya kumpulkan dari berbagai sumber termasuk kelompok pengguna sepakbola Tableau, Rob Carroll, Tom Goodall, dan Ninad Barbadikar, lihat [tautan] berikut.
