이 저장소의 README는 오픈 소스 축구 분석 커뮤니티에 기여한 모든 사람들이 만든 학습 자료, 데이터 소스, 라이브러리, 논문, 블로그 등에 대한 리소스 가이드입니다. 이 GitHub 저장소 및 리소스 목록은 항상 진행 중인 작업이며, 새 리소스가 반정기적으로 추가됩니다. 제가 놓친 리소스가 있다고 생각되면 언제든지 끌어오기 요청을 작성하거나 위 링크로 메시지를 보내주세요. 최대한 빨리 연락드리겠습니다!
저장소가 마음에 드시면 언제든지 (오른쪽 상단)을 눌러주세요. 건배!
이 저장소와 작성자에 대한 자세한 내용은 다음을 참조하세요.
이 리포지토리의 코드는 Python과 R을 혼합하여 작성되었습니다. 시작하기 전에 다음 필수 구성 요소가 설치되어 있는지 확인하세요.
일반 Python 데이터 과학 라이브러리:
NumPy ;pandas ;matplotlib 및 Seaborn ; 그리고scitkit-learn 및 SciPy .축구 분석 Python 라이브러리:
kloppy - Koen Vossen과 Jan Van Haaren이 만든 추적 및 이벤트 데이터 표준화용 패키지입니다. YouTube 튜토리얼 보기 [링크]floodlight by 투광등-스포츠 - 스포츠 데이터의 효율적인 분석을 위한 패키지입니다. 이는 과학 컴퓨팅에 중점을 두고 설계되었으며 numpy 또는 pandas와 같은 인기 있는 라이브러리를 기반으로 구축되었습니다. 다음 문서를 참조하세요. [링크]matplotsoccer - 축구 이벤트 데이터 시각화를 위한 Python 라이브러리(Tom Decroos 제작)mplsoccer - Andrew Rowlinson의 matplotlib에서 축구 경기장을 그리기 위한 Python 라이브러리PySport Soccer 포함한 PySport - Koen Vossen이 작성한 이 섹션에서 언급된 많은 항목을 포함한 오픈 소스 스포츠 패키지 모음ScraperFC (Owen Seymour 제작) - FiveThirtyEight 데이터, FBref, Understat, Club Elo, Capology 및 TransferMarkt에서 데이터를 스크랩하는 Python 패키지입니다. 이전에 WhoScored?를 통해 Opta 이벤트 데이터를 스크랩했습니까? 일치 센터(이제 기능이 제거되었지만 이 코드를 찾으려면 이전 버전과 GitHub 저장소를 참조하세요)statsbombapi - StatsBomb 데이터용 Python API 래퍼 및 데이터 클래스statsbombpy - StatsBomb 데이터에 액세스하기 위해 Francisco Goitia가 작성한 Python 라이브러리socceraction - 축구 선수가 수행하는 개별 행동의 가치를 평가하기 위한 Python 라이브러리입니다. Tom Decroos 등의 예상 위협(xT) 구현을 포함합니다. 알.soccer_xg (ML KU Leuven 제작) - 축구의 예상 골(xG) 모델을 훈련하고 분석하기 위한 Python 패키지soccerdata - Club Elo, ESPN, FBref, FiveThirtyEight, Football-Data.co.uk, SoFIFA 및 WhoScored by Pieter Robberechts의 축구 데이터를 스크랩합니다.tyrone_mings - Python TransferMarkt 웹스크래퍼 일반 R 데이터 과학 라이브러리:
축구 분석 R 라이브러리:
ggsoccer - R의 축구 시각화 라이브러리ggshakeR - 공개적으로 사용 가능한 축구 데이터를 사용하는 분석 및 시각화 R 패키지입니다. 다음 문서를 참조하세요. [링크]StatsBombR - 로그인 자격 증명을 사용하여 API에서 또는 Open Data GitHub 저장소에서 무료로 R로 StatsBomb 데이터를 쉽게 스트리밍할 수 있는 R 패키지입니다.soccermatics - 축구 추적 및 이벤트 데이터의 시각화 및 분석을 위한 R 패키지worldfootballR (Jason Zivkovic 제작) - FBref, TransferMarkt, Understat 및 fotmob에서 세계 축구(축구) 데이터를 추출하기 위한 R 패키지(이 패키지 사용 방법에 대한 가이드 참조[링크])? 반품
이 GitHub 저장소의 내용은 다음과 같이 구성됩니다.
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 ??
? 반품
이 저장소의 코드는 대부분 Jupyter Notebook 또는 Python 스크립트로 작성되었으며 다음 워크플로로 구성되어 있습니다.
? 반품
이 리포지토리의 노트북에서 엔지니어링된 데이터를 사용하여 생성된 Tableau 대시보드에 대해서는 내 Tableau Public 프로필(public.tableau.com/profile/edd.webster)을 참조하십시오.
Tableau 대시보드 예:
? 반품
이 리소스 가이드가 게시된 후 공백을 메우기 위해 모두 사용된 다음 리소스를 참조하세요.
analytics-handbook Devin Pleuler의 GitHub 저장소 - 축구 분석을 시작하기 위한 GitHub 저장소awesome-football by football.db(Gerald Bauer) - 멋진 축구 데이터 세트 모음awesome-football-analyticsawesome-soccer-analyticsguideR - 200개 이상의 R 리소스, 100개 이상의 Python 튜토리얼, 30개 이상의 패키지, 팔로우할 계정 25개 이상, 치트시트 10개, 여러 무료 도서 및 블로그가 포함된 Google 스프레드시트입니다. GitHub 저장소 [링크]soccer-analytics-resources Jan Van Haaren의 Github 레포? 반품
축구에서 데이터를 처음 사용하는 사람들을 위한 좋은 리소스:
soccer-analytics-handbookawesome-football-analyticsawesome-soccer-analyticssoccer-analytics-resources? 반품
추적 데이터, 이벤트 데이터, 집계된 선수 성과 데이터, 자세한 경기 통계, 부상 기록 및 이적 가치 등 축구와 관련하여 공개적으로 사용 가능한 데이터 소스 및 데이터 세트입니다.
이 저장소의 코드 및 분석에 사용된 데이터 소스는 이 저장소의 data 하위 폴더 또는 Google 드라이브(GitHub의 100mb 파일 제한으로 인해) [링크]에서 찾을 수 있습니다. 그러나 이 저장소의 모든 코드를 사용하면 분석 및 시각화에 사용되는 출력에 따라 데이터 세트를 스크랩, 구문 분석 및 엔지니어링할 수 있습니다.
이벤트 및 추적 데이터 등 사용 가능한 다양한 유형의 데이터에 대해 자세히 알아보려면 "데이터는 어디서 얻을 수 있나요?"를 참조하세요. Devin Pleuler의 soccer_analytics_handbook 섹션[링크].
사용 가능한 무료 축구 데이터 리소스에 대한 간단한 입문서를 보려면 James Nalton의 다음 Twitter 스레드 [링크]를 참조하세요.
이벤트 데이터는 게임 중에 발생하는 각 온볼 이벤트에 대한 데이터로 라벨이 지정됩니다. 데이터는 텔레비전 영상에서 수동으로 수집됩니다. 데이터 수집에 대해 자세히 알아보려면 다음 동영상[링크]을 참조하세요.
각 이벤트 데이터 일치에는 공급자에 따라 약 2~3,000개의 개별 이벤트(행)가 있습니다.
이 데이터의 주요 제공자는 StatsBomb, Stats Perform(공식적으로 Opta) 및 Wyscout입니다.
| 이름 | 댓글 | 데이터를 가져오는 소스/방법 |
|---|---|---|
| StatsBomb 공개 데이터 |
| StatsBomb 오픈 데이터 GitHub 레포 |
| StrataBet의 StrataData | 찬스 슈팅 데이터 제공 | 2018년부터 더 이상 사용할 수 없지만 이전 분석의 GitHub 저장소(이 항목 포함) [링크]에서 찾을 수 있습니다. |
| 축구 비디오 및 선수 위치 데이터세트 | 오슬로 대학에서 제공하는 엘리트 축구선수의 움직임과 해당 동영상에 대한 데이터세트입니다. 첨부 문서를 참조하세요. [링크] | [링크] (더 이상 작동하지 않는 것 같습니다) |
| 옵타 | 'Big 5' 유럽 리그를 포함한 20개 이상의 리그에 대한 이벤트 데이터(일부는 09/10 시즌까지 거슬러 올라감), | WhoScored를 스크래핑하여 데이터를 사용할 수 있나요? 다음 방법을 통해 Match Center를 이용할 수 있습니다.
|
| Opta(11/12 샘플 데이터 세트) | #mcfcanalytics 이니셔티브의 일환으로 11/12 시즌의 경기별 집계된 선수 성과 데이터와 Manchester City 대 Bolton Wanders의 11/12 경기에 대한 F24 이벤트 데이터 | 2012년부터 더 이상 사용할 수 없지만 이전 분석의 GitHub 저장소(이 항목 포함)에서 찾을 수 있습니다. |
| 과소상태 | 'Big 5' 유럽 리그 및 러시아 프리미어 리그의 xG 값을 포함한 슈팅 및 메타 데이터 | 이 데이터는 다음을 통해 액세스할 수 있습니다.
|
| 위스카우트 | Luca Pappalardo, Alessio Rossi 및 Paolo Cintia가 제공하는 유럽 '빅 5' 리그, 유로 2016 챔피언십, 2018 월드컵의 17/18 시즌 이벤트 데이터입니다. 축구 대회의 시공간 경기 이벤트에 대한 공개 데이터 세트 논문을 참조하세요. | 피그쉐어 |
추적 데이터는 필드에 있는 모든 선수와 공의 x 및 y 좌표를 초당 횟수(보통 10-25)로 기록합니다. 이러한 이유로 데이터 세트는 게임당 약 200만 ~ 300만 행으로 이벤트 데이터보다 훨씬 더 큽니다.
데이터는 경기장에 설치된 카메라에 의해 수집되므로 널리 사용할 수 없으며 팀은 일반적으로 자신의 리그에 있는 데이터에만 액세스할 수 있습니다.
이 데이터의 주요 제공자는 Second Spectrum, STATS Perform, Metrica Sports 및 Signality입니다.
| 이름 | 댓글 | 데이터를 가져오는 소스/방법 |
|---|---|---|
| Ricardo Tavares의 마지막 행 추적과 유사한 데이터 | Ricardo Tavares가 수집한 추적과 유사한 데이터입니다. 이 데이터가 사용된 리버풀 분석 챌린지를 참조하세요(우승자는 Friends of Tracking [링크]에서 논의됨). | GitHub 저장소 |
| Metrica Sports 샘플 추적 및 해당 이벤트 데이터 | 동기화된 이벤트 및 추적 데이터의 세 가지 샘플 일치. 피치 제어 모델을 포함하여 이 데이터를 사용하는 코드는 Laurie Shaw의 LaurieOnTracking GitHub 저장소와 해당 Friends of Tracking 튜토리얼을 참조하세요. | GitHub 저장소 |
| 신호 추적 데이터 | Allsvenskan의 추적 데이터 3경기 - Hammarby 대 IF Elfsborg(2019년 7월 22일), Hammarby 5 대 1 Örebrö(2019년 9월 30일), Hammarby 대 Malmö FF(2019년 10월 20일). | 이 데이터는 2020년 축구 수학적 모델링 과정의 일부로 제공되었습니다. 데이터를 다운로드하기 위한 비밀번호는 공개적으로 제공되지 않지만, Uppsala Mathematical Modeling of Football Slack 그룹 [링크]에서 찾을 수 있습니다. 액세스하려면 Novosom Salvador Twitter 및 [email protected]으로 문의하거나 나에게 연락하세요. Hammarby-Örebro 경기의 후반전은 불완전합니다. |
방송 추적은 컴퓨터 비전 기술을 사용하여 방송 영상에서 수집됩니다. 경기장 내 추적 데이터와 달리 데이터 세트는 완전하지 않으며 방송 장면에서 플레이어가 누락되었습니다. 그러나 가장 큰 이점은 수집된 데이터가 훨씬 저렴하고 사용 가능한 리그에 대한 적용 범위가 훨씬 더 넓어 모집 분석과 같은 작업에 매우 유용하다는 것입니다.
이 데이터의 주요 제공자는 SkillCorner 및 Sportlogiq입니다.
| 이름 | 댓글 | 데이터를 가져오는 소스/방법 |
|---|---|---|
| SkillCorner 방송 추적 데이터 | 2019/2020년 영국 프리미어 리그, 프랑스 L1, 스페인 라리가, 이탈리아 세리에 A, 독일 분데스리가 리그 우승 및 준우승 경기를 포함한 9개 경기의 방송 추적 데이터입니다. 방송 추적 데이터 및 사용 사례에 대한 자세한 내용은 다음 Medium 기사 [링크]를 참조하세요. | GitHub 저장소 |
| 이름 | 댓글 | 데이터를 가져오는 소스/방법 |
|---|---|---|
| DAVIES 모델링 데이터 | American Soccer Analysis에서 Sam Goldberg와 Mike Imburgio가 작성한 예상 선수 평가 데이터입니다. DAVIES에 대해 자세히 알아보려면 다음 블로그 게시물 [링크]를 참조하세요. | 빛나는 앱 |
| StatsPerform에서 제공하는 FBref 시즌별 집계 선수 성과 데이터입니다. | 다음 대회에 대해 집계된 플레이어 성과 데이터:
| 참고: 2022년 10월 통계를 위해 FBref에서 사용하는 데이터 제공자가 StatsBomb에서 StatsPerform으로 변경되었습니다. 따라서 다음 스크래핑 코드는 현재 작업 솔루션과 보관된 솔루션으로 분할됩니다.
|
| 통계 수행 및 센터 서클 캐나다 프리미어 리그 데이터 | 집계된 플레이어 성능 데이터 | 구글 드라이브 |
| 이름 | 댓글 | 데이터를 가져오는 소스/방법 |
|---|---|---|
| Elo 클럽 순위 | 과거 결과를 기반으로 한 클럽 축구의 Elo 등급을 통해 각 클럽의 강점을 평가하고 미래를 예측할 수 있습니다. | 다음을 통해 제공되는 데이터:
|
| 유로클럽 지수 | 모든 유럽 국가의 최고 디비전에 속한 축구팀의 순위로, 특정 시점의 상대적인 플레이 강점과 시간에 따른 플레이 강점의 발전을 보여줍니다. 이러한 순위를 계산하는 데 사용되는 방법에 대해 자세히 알아보려면 다음 페이지[링크]를 참조하세요. | 링크 |
| FiveThirtyEight 클럽 순위 | 글로벌 클럽 축구 순위. 637개의 국제 클럽 팀을 축구 파워 지수(Soccer Power Index)로 비교하는 방법 | 다음을 통해 제공되는 데이터:
|
| Opta 파워 랭킹 | Opta 파워 랭킹 | 다음을 통해 제공되는 데이터:
|
| UEFA 클럽 계수 | UEFA 클럽 대회에서 모든 유럽 클럽의 결과를 기반으로 한 UEFA 클럽 계수 순위. | 다음을 통해 제공되는 데이터:
|
| 세계 축구 / 축구 클럽 순위 | 클럽랭킹 홈페이지 | 링크 |
| 이름 | 댓글 | 데이터를 가져오는 소스/방법 |
|---|---|---|
| 분데스리가 실제 데이터 | AWS에서 제공하는 분데스리가 선수 통계 | 링크(CSV로 스크랩되지 않음) |
| 이름 | 댓글 | 데이터를 가져오는 소스/방법 |
|---|---|---|
| 2018 FIFA 월드컵 명단 | 2018 FIFA 월드컵 선수 명단에 있는 선수들의 목표, 출전 기록, 클럽 및 생년월일. 출처: data.world | 뛰어나다 |
| engsoccerdata | 잉글랜드와 유럽 축구 결과 1871-2017 | GitHub 저장소 |
| FIFA 월드컵 경기 결과 | 1930년부터 2014년까지 FIFA 월드컵 경기의 경기 및 결과. 출처: data.world | 뛰어나다 |
| FotMob | xG 및 샷 후 xG를 포함한 팀 및 플레이 통계를 포함하는 데이터 세트입니다. | 이 데이터는 다음을 사용하여 스크랩할 수 있습니다.
|
| 축구 라인업 | 사용자가 크라우드소싱한 팀 전술 및 포메이션에 대한 데이터베이스입니다. | 링크 |
international_results | 1872년 첫 공식 경기부터 2022년까지 44,353개의 국제 축구 경기 결과를 보관하는 저장소입니다. | GitHub 저장소 |
| 똑똑한 스카우트 | 전 세계 축구 선수의 성과를 평가하기 위한 스카우트 및 선수 평가 정보 플랫폼입니다. 이 플랫폼은 North Yard Analytics의 Dan Altman이 플레이어의 승리 기여도, 플레이 스타일 및 기술 수준을 평가하기 위해 개발했습니다. 참고 : 이것은 구독 서비스입니다. | 링크 |
| 소파점수 | 실시간 점수, 라인업, 순위, 히트맵, 기본 팀, 코치 및 선수 데이터 | 링크 |
| 사커웨이 | 일치 시트 데이터 | 링크 |
| 이름 | 댓글 | 데이터를 가져오는 소스/방법 |
|---|---|---|
| 카톨로지 | 선수 연봉 | Capology 데이터를 스크랩하거나 데이터 하위 폴더에 저장된 CSV 파일에 액세스하려면 Python 코드에 대한 Capology Player Salary Web Scraping 노트북을 참조하세요. |
| KPMG 축구 벤치마크 | 플레이어 평가 데이터 | |
| Football Master 스프레드시트의 가격 | Kieran Maguire의 축구 금융/비즈니스 측면 데이터 | 링크 |
| 스팟락 | 프리미어리그, MLS, NWSL의 선수 계약, 급여, 이적 정보 | |
| 이적시장 | 플레이어 약력, 계약 및 추정 가치 데이터 | 이 데이터는 다음을 통해 액세스할 수 있습니다.
|
| Guardian 플레이어 전송 데이터 | Tom Worville 작성(트위트 [링크] 참조) | GitHub |
| 이름 | 댓글 | 데이터를 가져오는 소스/방법 |
|---|---|---|
| 베팅 탐색기 | 확률 데이터 | 링크 |
| FiveThirtyEight 축구 예측 데이터베이스 | 축구 예측 데이터 | 링크 |
| Football-Data.co.uk | 무료 베팅 및 축구 베팅, 과거 축구 결과 및 베팅 확률 아카이브, 실시간 점수, 확률 비교, 베팅 조언 및 베팅 기사 | 링크 |
| 1872년부터 2020년까지의 국제 축구 결과 | Mart Jürisoo가 제공하는 40,000개 이상의 국제 축구 결과로 구성된 최신 데이터세트 | 링크 |
자신만의 이벤트 데이터를 구성하는 방법에 대한 자세한 내용은 Mark Wilkin의 Twitter 스레드를 참조하세요. [링크]:
| 이름 | 댓글 | 데이터를 가져오는 소스/방법 |
|---|---|---|
| xT 그리드 | Karun Singh이 결정한 2017-18 Premier League 시즌(12x8 그리드)의 리그 전체 예상 위협(xT) 값입니다. xT에 대한 자세한 내용은 Karun의 블로그 게시물 [링크]를 참조하세요. | 링크 |
| EPV 그리드 | Laurie Shaw가 결정한 기대 소유 가치 그리드. 자세한 내용은 다음 강의를 참고하세요 [링크] | 링크 |
| 경기장 구역 | 시각화에 사용하기 위해 피치를 구역으로 분류합니다. Rob Carroll 작성 | 링크 |
| 이름 | 댓글 | 데이터를 가져오는 소스/방법 |
|---|---|---|
football.db의 awesome-football (Gerald Bauer) | 멋진 축구(국가 대표팀, 클럽, 경기 일정, 선수, 경기장 등) 데이터 세트 모음 | GitHub 저장소 |
| 데이터 허브 축구 데이터 | 링크 | |
| 유럽 축구 데이터베이스 | 유럽 프로 축구의 25,000개 이상의 경기, 선수 및 팀 속성 | 링크 |
| FIFA 15-22 선수 등급 데이터 | Stefano Leone이 SoFIFA에서 스크랩함 | 링크 |
| FIFA 18 선수 등급 | 17,000명 이상의 플레이어, FIFA 18에서 추출한 70개 이상의 속성(sofifa 제공) | 링크 |
FootballData | "JSON 및 CSV 축구 데이터의 뒤죽박죽" | GitHub |
footballcsv | CSV 형식의 과거 축구 결과 | 링크 |
| football.db | 모든 (프로그래밍) 언어에서 사용할 수 있는 무료 개방형 공개 도메인 축구 데이터베이스 및 스키마(예: 일반 데이터 세트 사용) | 링크 |
| 축구 xG | 링크 | |
| Joe Kampschmid의 축구/축구 데이터 및 API 가이드 | 링크 | |
| 나의 축구 사실 | 링크 | |
| 물리치료실 | 링크 | |
| 플러스마이너스데이터 | espn.com의 플레이 데이터로 플레이 | 링크 |
| Rec.Sport.Soccer 통계 재단 | 과거 리그 테이블 및 축구 결과 | 링크 |
| RoboCup 축구 시뮬레이터 | RoboCup 축구 시뮬레이터 데이터 | 링크 |
| 스쿼카 | 링크 | |
| 스텟 벙커 | 링크 | |
| Tableau 데이터 리소스 | 스포츠 데이터를 포함한 | 링크 |
| 이적리그 | 링크 | |
| 12 축구 | 링크 | |
| 워소스타트 | 전 세계 여자 축구 데이터 | 링크 |
다음을 포함하여 문서 하위 폴더에 로컬로 저장된 모든 문서:
? 반품
soccer_analytics Kraus Clemens 제작) - 분석의 시작점을 용이하게 하는 Python 프로젝트Football-Analytics-With-PythonNinad Barbadikar가 조직 한 스포츠 불화 서버의 Tableau를 확인하여 Tableau 개발자 커뮤니티와 상호 작용하십시오.
Tableau Football User Group, Rob Carroll, Tom Goodall 및 Ninad Barbadikar를 포함한 다양한 소스에서 수집 한 Tableau-Football 비디오 및 튜토리얼의 YouTube 재생 목록은 다음 [링크]를 참조하십시오.
