README ของพื้นที่เก็บข้อมูลนี้เป็นคู่มือทรัพยากรสำหรับสื่อการเรียนรู้ แหล่งข้อมูล ห้องสมุด เอกสาร บล็อก ฯลฯ ที่สร้างขึ้นโดยผู้ที่มีส่วนร่วมกับชุมชนการวิเคราะห์ฟุตบอลแบบโอเพ่นซอร์ส รายการพื้นที่เก็บข้อมูลและทรัพยากร GitHub นี้อยู่ระหว่างดำเนินการอยู่เสมอ โดยมีการเพิ่มทรัพยากรใหม่เป็นประจำ หากคุณรู้สึกว่ามีแหล่งข้อมูลใดที่ฉันพลาดไป โปรดอย่าลังเลที่จะสร้างคำขอดึงหรือส่งข้อความถึงฉันตามลิงก์ด้านบน แล้วฉันจะติดต่อคุณกลับโดยเร็วที่สุด!
หากคุณชอบ repo โปรดให้ (ขวาบน) ไชโย!
สำหรับข้อมูลเพิ่มเติมเกี่ยวกับที่เก็บนี้และผู้เขียน โปรดดูที่ต่อไปนี้:
โค้ดในที่เก็บนี้เขียนโดยใช้ทั้ง Python และ R ผสมกัน ก่อนที่คุณจะเริ่มต้น ตรวจสอบให้แน่ใจว่าคุณได้ติดตั้งข้อกำหนดเบื้องต้นต่อไปนี้:
ไลบรารีวิทยาศาสตร์ข้อมูล Python ทั่วไป:
NumPy สำหรับการคำนวณอาเรย์หลายมิติpandas สำหรับการวิเคราะห์และจัดการข้อมูลmatplotlib และ Seaborn สำหรับการแสดงข้อมูลเป็นภาพ และscitkit-learn และ SciPy สำหรับ Machine Learningไลบรารี Python ของการวิเคราะห์ฟุตบอล:
kloppy - แพ็คเกจสำหรับการกำหนดมาตรฐานการติดตามและข้อมูลเหตุการณ์โดย Koen Vossen และ Jan Van Haaren ดูบทช่วยสอน YouTube [ลิงก์]floodlight by Floodlight-sports - แพ็คเกจสำหรับการวิเคราะห์ข้อมูลกีฬาอย่างมีประสิทธิภาพ ได้รับการออกแบบโดยเน้นไปที่การประมวลผลทางวิทยาศาสตร์อย่างชัดเจน และสร้างขึ้นจากห้องสมุดยอดนิยม เช่น numpy หรือ pandas ดูเอกสารประกอบต่อไปนี้ [ลิงค์]matplotsoccer - ไลบรารี Python สำหรับแสดงข้อมูลเหตุการณ์ฟุตบอลโดย Tom Decroosmplsoccer - ไลบรารี Python สำหรับการวางแผนสนามฟุตบอลใน matplotlib โดย Andrew RowlinsonPySport รวมถึง PySport Soccer - คอลเลกชันแพ็คเกจกีฬาโอเพ่นซอร์ส รวมถึงแพ็คเกจกีฬาโอเพ่นซอร์สมากมายที่กล่าวถึงในส่วนนี้ โดย Koen VossenScraperFC โดย Owen Seymour - แพ็คเกจ Python เพื่อขูดข้อมูลจากข้อมูล FiveThirtyEight, FBref, Understat, Club Elo, Capology และ TransferMarkt ก่อนหน้านี้ได้คัดลอกข้อมูลเหตุการณ์ Opta ผ่าน WhoScored? Match Center (ตอนนี้ฟังก์ชันถูกลบออกแล้ว แต่ดูเวอร์ชันเก่าและ repos GitHub เพื่อค้นหาโค้ดนี้)statsbombapi - wrapper Python API และคลาสข้อมูลสำหรับข้อมูล StatsBombstatsbombpy - ไลบรารี Python ที่เขียนโดย Francisco Goitia เพื่อเข้าถึงข้อมูล StatsBombsocceraction - ไลบรารี Python สำหรับประเมินมูลค่าการกระทำแต่ละรายการของนักฟุตบอล รวมการใช้งาน Expected Threat (xT) โดย Tom Decroos และ อัลsoccer_xg โดย ML KU Leuven- แพ็คเกจ Python สำหรับฝึกซ้อมและวิเคราะห์โมเดลเป้าหมายที่คาดหวัง (xG) ในฟุตบอลsoccerdata - ขูดข้อมูลฟุตบอลจาก Club Elo, ESPN, FBref, FiveThirtyEight, Football-Data.co.uk, SoFIFA และ WhoScored โดย Pieter Robberechtstyrone_mings โดย FCrSTATS - เว็บสแครปเปอร์ Python TransferMarkt ห้องสมุดวิทยาศาสตร์ข้อมูล R ทั่วไป:
ห้องสมุด R การวิเคราะห์ฟุตบอล:
ggsoccer โดย Ben Torvaney - ไลบรารีการสร้างภาพฟุตบอลใน RggshakeR โดย Abhishek Mishra - แพ็คเกจการวิเคราะห์และการแสดงภาพ R ที่ทำงานร่วมกับข้อมูลฟุตบอลที่เปิดเผยต่อสาธารณะ ดูเอกสารประกอบต่อไปนี้ [ลิงค์]StatsBombR - แพ็คเกจ R เพื่อสตรีมข้อมูล StatsBomb จาก API ได้อย่างง่ายดายโดยใช้ข้อมูลประจำตัวการเข้าสู่ระบบของคุณหรือจากพื้นที่เก็บข้อมูล Open Data GitHub ไปยัง R ฟรีsoccermatics โดย Joe Gallagher - แพ็คเกจ R สำหรับการแสดงภาพและการวิเคราะห์การติดตามฟุตบอลและข้อมูลเหตุการณ์worldfootballR โดย Jason Zivkovic - แพ็คเกจ R สำหรับดึงข้อมูลฟุตบอลโลก (ฟุตบอล) จาก FBref, TransferMarkt, Understat และ fotmob (ดูคำแนะนำวิธีใช้แพ็คเกจนี้ [ลิงก์])- กลับ
เนื้อหาของที่เก็บ GitHub นี้มีการจัดระเบียบดังนี้:
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 ??
- กลับ
โค้ดในพื้นที่เก็บข้อมูลนี้ส่วนใหญ่เขียนในสมุดบันทึก Jupyter หรือสคริปต์ Python ซึ่งจัดระเบียบตามขั้นตอนการทำงานต่อไปนี้:
- กลับ
สำหรับแดชบอร์ด Tableau ที่ผลิตโดยใช้ข้อมูลที่ออกแบบในสมุดบันทึกในพื้นที่เก็บข้อมูลนี้ โปรดดูโปรไฟล์สาธารณะ Tableau ของฉัน: public.tableau.com/profile/edd.webster
ตัวอย่างแดชบอร์ด Tableau:
- กลับ
ขอขอบคุณแหล่งข้อมูลต่อไปนี้ซึ่งทั้งหมดใช้เพื่ออุดช่องว่างในคู่มือแหล่งข้อมูลนี้เมื่อมีการเผยแพร่:
analytics-handbook GitHub repo โดย Devin Pleuler- repo GitHub สำหรับการเริ่มต้นในการวิเคราะห์ฟุตบอลawesome-football โดย football.db (Gerald Bauer) - ชุดข้อมูลฟุตบอลที่ยอดเยี่ยมawesome-football-analytics โดย Diego Pastorawesome-soccer-analytics โดย Matias MasciotoguideR โดย Dom Samangy - สเปรดชีตของ Google ที่มีทรัพยากรมากกว่า 200 รายการ, บทช่วยสอน Python กว่า 100 รายการ, แพ็คเกจมากกว่า 30 รายการ, บัญชีมากกว่า 25 บัญชีที่ต้องติดตาม, สูตรโกง 10 รายการ และหนังสือและบล็อกฟรีหลายเล่ม ที่เก็บ GitHub [ลิงก์]soccer-analytics-resources Github repo โดย Jan Van Haaren- กลับ
แหล่งข้อมูลที่ดีสำหรับผู้ที่เพิ่งเริ่มใช้ข้อมูลในฟุตบอล:
soccer-analytics-handbook โดย Devin Pleulerawesome-football-analytics โดย Diego Pastorawesome-soccer-analytics โดย Matias Masciotosoccer-analytics-resources โดย Jan Van Haaren- กลับ
แหล่งข้อมูลและชุดข้อมูลที่เปิดเผยต่อสาธารณะที่เกี่ยวข้องกับฟุตบอล จากข้อมูลการติดตาม ข้อมูลเหตุการณ์ ข้อมูลประสิทธิภาพของผู้เล่นรวม สถิติการแข่งขันโดยละเอียด บันทึกการบาดเจ็บและมูลค่าการโอน และอื่นๆ
แหล่งข้อมูลที่ใช้ในโค้ดและการวิเคราะห์ในพื้นที่เก็บข้อมูลนี้สามารถพบได้ในโฟลเดอร์ย่อย data ของพื้นที่เก็บข้อมูลนี้หรือใน Google Drive (เนื่องจากขีดจำกัดไฟล์ 100mb ของ GitHub) [ลิงก์] อย่างไรก็ตาม โค้ดทั้งหมดในพื้นที่เก็บข้อมูลนี้ควรช่วยให้คุณสามารถคัดลอก แยกวิเคราะห์ และสร้างชุดข้อมูลตามเอาต์พุตที่ใช้สำหรับการวิเคราะห์และการแสดงภาพที่แนะนำ
หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับข้อมูลประเภทต่างๆ ที่มีอยู่ เช่น ข้อมูลเหตุการณ์และการติดตาม โปรดดูที่ "ฉันจะรับข้อมูลได้จากที่ไหน" ส่วนหนึ่งของ soccer_analytics_handbook ของ Devin Pleuler [ลิงก์]
หากต้องการทราบข้อมูลเบื้องต้นเกี่ยวกับแหล่งข้อมูลฟุตบอลฟรี โปรดดูที่หัวข้อ Twitter ต่อไปนี้โดย James Nalton [ลิงก์]
ข้อมูลเหตุการณ์เป็นข้อมูลที่มีป้ายกำกับสำหรับแต่ละเหตุการณ์บนลูกบอลที่เกิดขึ้นระหว่างเกม ข้อมูลจะถูกรวบรวมด้วยตนเองจากภาพโทรทัศน์ หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับการรวบรวมข้อมูล โปรดดูวิดีโอต่อไปนี้ [ลิงก์]
การจับคู่ข้อมูลเหตุการณ์แต่ละครั้งมีเหตุการณ์ (แถว) ประมาณ 2-3,000 รายการ ขึ้นอยู่กับผู้ให้บริการ
ผู้ให้บริการหลักของข้อมูลนี้คือ StatsBomb, Stats Perform (อย่างเป็นทางการ Opta) และ Wyscout
| ชื่อ | ความคิดเห็น | แหล่งที่มา/วิธีการรับข้อมูล |
|---|---|---|
| ข้อมูลเปิด StatsBomb |
| StatsBomb เปิดข้อมูล GitHub Repo |
| StrataData โดย StrataBet | ข้อมูลการยิงโอกาสที่จัดให้ | ไม่มีให้บริการอีกต่อไป (ตั้งแต่ปี 2018) อย่างไรก็ตาม สามารถพบได้ใน repos GitHub ของการวิเคราะห์เก่า (รวมถึงอันนี้ด้วย) [ลิงก์] |
| ชุดข้อมูลวิดีโอฟุตบอลและตำแหน่งผู้เล่น | ชุดข้อมูลความเคลื่อนไหวของนักฟุตบอลชั้นยอดและวิดีโอที่เกี่ยวข้อง จัดทำโดยมหาวิทยาลัยออสโล ดูเอกสารประกอบ [ลิงค์] | [ลิงก์] (ดูเหมือนว่าจะใช้งานไม่ได้อีกต่อไป) |
| ออปต้า | ข้อมูลกิจกรรมสำหรับลีกมากกว่า 20 ลีก รวมถึงลีกยุโรป 'ใหญ่ 5' ซึ่งบางลีกย้อนกลับไปในฤดูกาล 09/10 | ข้อมูลที่มีอยู่ผ่านการขูด WhoScored? Match Center ผ่านวิธีการดังต่อไปนี้:
|
| Opta (ชุดข้อมูลตัวอย่าง 11/12) | ข้อมูลประสิทธิภาพของผู้เล่นโดยรวมแบบแมตช์ต่อแมตช์สำหรับฤดูกาล 11/12 และข้อมูลเหตุการณ์ F24 สำหรับแมตช์ 11/12 ของแมนเชสเตอร์ ซิตี้ พบ โบลตัน วันเดอร์ส ซึ่งเป็นส่วนหนึ่งของโครงการริเริ่ม #mcfcanalytics | ไม่มีให้บริการอีกต่อไป (ตั้งแต่ปี 2012) อย่างไรก็ตาม สามารถพบได้ใน repos GitHub ของการวิเคราะห์เก่า (รวมถึงอันนี้ด้วย) |
| understat | ข้อมูลการยิงและข้อมูลเมตารวมถึงค่า xG สำหรับลีกยุโรป 'Big 5' และพรีเมียร์ลีกรัสเซีย | ข้อมูลนี้สามารถเข้าถึงได้ผ่านสิ่งต่อไปนี้:
|
| วิสเคาท์ | ข้อมูลเหตุการณ์สำหรับฤดูกาล 17/18 ของลีกยุโรป 'บิ๊ก 5', การแข่งขันชิงแชมป์ยูโร 2016 และฟุตบอลโลก 2018 จัดทำโดย Luca Pappalardo, Alessio Rossi และ Paolo Cintia ดูเอกสารของพวกเขา ชุดข้อมูลสาธารณะของกิจกรรมการแข่งขันเชิงพื้นที่และชั่วคราวในการแข่งขันฟุตบอล | ฟิกแชร์ |
ข้อมูลการติดตามจะบันทึกพิกัด x และ y ของผู้เล่นทุกคนในสนาม รวมถึงลูกบอลด้วยจำนวนครั้งต่อวินาที (ปกติคือ 10-25) ด้วยเหตุนี้ ชุดข้อมูลจึงค่อนข้างใหญ่ ซึ่งใหญ่กว่าข้อมูลเหตุการณ์อย่างมาก โดยมีประมาณ 2-3 ล้านแถวต่อเกม
ข้อมูลจะถูกเก็บรวบรวมโดยกล้องที่ติดตั้งในสนามกีฬา ดังนั้นจึงไม่มีให้บริการในวงกว้าง โดยทีมมักจะเข้าถึงข้อมูลได้เฉพาะในลีกของตนเองเท่านั้น
ผู้ให้บริการหลักของข้อมูลนี้คือ Second Spectrum, STATS Perform, Metrica Sports และ Signality
| ชื่อ | ความคิดเห็น | แหล่งที่มา/วิธีการรับข้อมูล |
|---|---|---|
| ข้อมูลเหมือนการติดตามแถวสุดท้ายโดย Ricardo Tavares | ข้อมูลที่คล้ายกับการติดตามที่รวบรวมโดย Ricardo Tavares ดู Liverpool Analytics Challenge ที่ใช้ข้อมูลนี้ (ผู้ชนะหารือเกี่ยวกับ Friends of Tracking [ลิงก์]) | ที่เก็บ GitHub |
| การติดตามตัวอย่าง Metrica Sports และข้อมูลเหตุการณ์ที่เกี่ยวข้อง | การจับคู่ตัวอย่าง 3 รายการของเหตุการณ์ที่ซิงค์และข้อมูลการติดตาม หากต้องการโค้ดที่จะทำงานกับข้อมูลนี้ รวมถึงโมเดล Pitch Control โปรดดูที่ repo LaurieOnTracking GitHub โดย Laurie Shaw และบทช่วยสอน Friends of Tracking ที่เกี่ยวข้อง | ที่เก็บ GitHub |
| ข้อมูลการติดตามสัญญาณ | ข้อมูลการติดตามสามนัดจาก Allsvenskan - ฮัมมาร์บี้ พบ ไอเอฟ เอลฟ์สบอร์ก (22/07/2019), ฮัมมาร์บี้ 5 กับ 1 เออเรโบร (30/09/2019) และ ฮัมมาร์บี้ พบ มัลโม FF (20/10/2019) | ข้อมูลนี้จัดทำขึ้นโดยเป็นส่วนหนึ่งของหลักสูตรการสร้างแบบจำลองทางคณิตศาสตร์ของฟุตบอลปี 2020 รหัสผ่านในการดาวน์โหลดข้อมูลไม่เปิดเผยต่อสาธารณะ แต่สามารถพบได้ในกลุ่มการสร้างแบบจำลองทางคณิตศาสตร์ของ Uppsala ของกลุ่ม Football Slack [ลิงก์] หากต้องการเข้าถึง โปรดติดต่อ Novosom Salvador Twitter และ [email protected] หรือติดต่อตัวเองได้ตามสบาย โปรดทราบว่าครึ่งหลังของแมตช์ฮัมมาร์บี-โอเรโบรยังไม่สมบูรณ์ |
การติดตามการออกอากาศรวบรวมจากวิดีโอการออกอากาศโดยใช้เทคนิคการมองเห็นด้วยคอมพิวเตอร์ ต่างจากข้อมูลการติดตามในสนามกีฬา เนื่องจากชุดข้อมูลนี้ไม่สมบูรณ์และทำให้ผู้เล่นขาดหายไปจากการถ่ายทอดฟุตเทจ อย่างไรก็ตาม ข้อดีอย่างมากคือข้อมูลที่รวบรวมมีราคาถูกกว่ามาก และความครอบคลุมของลีกที่มีอยู่นั้นมากกว่ามาก ซึ่งมีประโยชน์อย่างมากสำหรับงานต่างๆ เช่น การวิเคราะห์การสรรหาบุคลากร
ผู้ให้บริการหลักของข้อมูลนี้คือ SkillCorner และ Sportlogiq
| ชื่อ | ความคิดเห็น | แหล่งที่มา/วิธีการรับข้อมูล |
|---|---|---|
| ข้อมูลการติดตามการออกอากาศ SkillCorner | ข้อมูลการติดตามการออกอากาศ 9 นัด รวมถึงการแข่งขันตั้งแต่ปี 2019/2020 สำหรับแชมป์ลีกและรองแชมป์ในพรีเมียร์ลีกอังกฤษ, L1 ฝรั่งเศส, ลาลีกาสเปน, กัลโช่อิตาลี และบุนเดสลีกาเยอรมัน หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับข้อมูลการติดตามการออกอากาศและกรณีการใช้งาน โปรดดูบทความสื่อต่อไปนี้ [ลิงก์] | ที่เก็บ GitHub |
| ชื่อ | ความคิดเห็น | แหล่งที่มา/วิธีการรับข้อมูล |
|---|---|---|
| ข้อมูลการสร้างแบบจำลองของ DAVIES | ข้อมูลการประเมินผู้เล่นโดยประมาณโดย Sam Goldberg และ Mike Imburgio สำหรับ American Soccer Analysis หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ DAVIES โปรดดูบล็อกโพสต์ต่อไปนี้ [ลิงก์] | แอพมันเงา |
| FBref รวบรวมข้อมูลประสิทธิภาพของผู้เล่นแบบฤดูกาลต่อฤดูกาลโดย StatsPerform | ข้อมูลประสิทธิภาพรวมของผู้เล่นสำหรับการแข่งขันต่อไปนี้:
| หมายเหตุ: มีการเปลี่ยนแปลงผู้ให้บริการข้อมูลที่ FBref ใช้สำหรับสถิติในเดือนตุลาคม 2022 จาก StatsBomb เป็น StatsPerform ดังนั้นรหัสการขูดต่อไปนี้จึงแบ่งออกเป็นโซลูชันการทำงานปัจจุบันและโซลูชันที่เก็บถาวร:
|
| สถิติการแสดงและข้อมูล Centre Circle Canadian Premiere League | ข้อมูลประสิทธิภาพรวมของผู้เล่น | Google ไดรฟ์ |
| ชื่อ | ความคิดเห็น | แหล่งที่มา/วิธีการรับข้อมูล |
|---|---|---|
| อันดับสโมสร Elo | การจัดอันดับ Elo สำหรับฟุตบอลสโมสรโดยอิงจากผลการแข่งขันที่ผ่านมา เพื่อประเมินความแข็งแกร่งของแต่ละสโมสร และคาดการณ์อนาคตได้ | ข้อมูลมีอยู่ผ่าน:
|
| ดัชนีสโมสรยูโร | การจัดอันดับทีมฟุตบอลในดิวิชั่นสูงสุดของประเทศในยุโรปทั้งหมด ซึ่งแสดงให้เห็นความแข็งแกร่งในการเล่นที่สัมพันธ์กัน ณ จุดที่กำหนด และการพัฒนาจุดแข็งในการเล่นตามเวลา หากต้องการดูเพิ่มเติมเกี่ยวกับวิธีการที่ใช้ในการคำนวณการจัดอันดับเหล่านี้ โปรดดูหน้าต่อไปนี้ [ลิงก์] | ลิงค์ |
| อันดับสโมสร FiveThirtyEight | อันดับฟุตบอลสโมสรทั่วโลก เปรียบเทียบทีมสโมสรนานาชาติ 637 ทีมโดย Soccer Power Index | ข้อมูลมีอยู่ผ่าน:
|
| อันดับพลังของ Opta | อันดับพลังของ Opta | ข้อมูลมีอยู่ผ่าน:
|
| ค่าสัมประสิทธิ์สโมสรยูฟ่า | การจัดอันดับค่าสัมประสิทธิ์สโมสรยูฟ่าขึ้นอยู่กับผลการแข่งขันของสโมสรยุโรปทั้งหมดในการแข่งขันสโมสรยูฟ่า | ข้อมูลมีอยู่ผ่าน:
|
| อันดับฟุตบอลโลก / สโมสรฟุตบอล | เว็บไซต์จัดอันดับสโมสร | ลิงค์ |
| ชื่อ | ความคิดเห็น | แหล่งที่มา/วิธีการรับข้อมูล |
|---|---|---|
| ข้อมูลทางกายภาพของบุนเดสลีกา | สถิติผู้เล่นบุนเดสลีกา ขับเคลื่อนโดย AWS | ลิงก์ (ไม่ได้คัดลอกเป็น CSV) |
| ชื่อ | ความคิดเห็น | แหล่งที่มา/วิธีการรับข้อมูล |
|---|---|---|
| รายชื่อนักเตะฟุตบอลโลก 2018 | ประตู แคป สโมสร และวันเกิดของผู้เล่นในบัญชีรายชื่อฟุตบอลโลก 2018 ที่มา: data.world | เอ็กเซล |
| engsoccerdata | ผลฟุตบอลอังกฤษและยุโรป ฤดูกาล 1871-2017 | ที่เก็บ GitHub |
| ผลการแข่งขันฟุตบอลโลกฟีฟ่า | การจับคู่และผลการแข่งขันฟุตบอลโลกระหว่างปี 1930 - 2014 ที่มา: data.world | เอ็กเซล |
| โฟโต้ม็อบ | ชุดข้อมูลรวมถึงสถิติทีมและการเล่นรวมถึง xG และหลังช็อต xG | ข้อมูลนี้สามารถคัดลอกได้โดยใช้:
|
| รายชื่อผู้เล่นฟุตบอล | ฐานข้อมูลกลยุทธ์และรูปแบบทีมที่รวบรวมโดยผู้ใช้ | ลิงค์ |
international_results | คลังเก็บผลการแข่งขันฟุตบอลต่างประเทศ 44,353 นัด เริ่มตั้งแต่นัดแรกอย่างเป็นทางการในปี พ.ศ. 2415 ถึง พ.ศ. 2565 | ที่เก็บ GitHub |
| ลูกเสือฉลาด | แพลตฟอร์มข้อมูลการสอดแนมและการจัดอันดับผู้เล่นเพื่อประเมินผลงานของนักฟุตบอลทั่วโลก แพลตฟอร์มนี้ได้รับการพัฒนาโดย Dan Altman ที่ North Yard Analytics เพื่อประเมินการมีส่วนร่วมของผู้เล่นในการคว้าชัยชนะ สไตล์การเล่น และระดับทักษะของพวกเขา หมายเหตุ : นี่คือบริการสมัครสมาชิก | ลิงค์ |
| โซฟาสกอร์ | คะแนนสด รายชื่อผู้เล่น อันดับ อันดับ แผนที่ความร้อน และทีมพื้นฐาน โค้ช และข้อมูลผู้เล่น | ลิงค์ |
| สนามฟุตบอล | จับคู่ข้อมูลแผ่นงาน | ลิงค์ |
| ชื่อ | ความคิดเห็น | แหล่งที่มา/วิธีการรับข้อมูล |
|---|---|---|
| คาโปโลยี | เงินเดือนผู้เล่น | ดูสมุดบันทึก Capology Player Salary Web Scraping สำหรับโค้ด Python เพื่อขูดข้อมูล Capology หรือเข้าถึงไฟล์ CSV ที่บันทึกไว้ในโฟลเดอร์ย่อยข้อมูล |
| เกณฑ์มาตรฐานฟุตบอล KPMG | ข้อมูลการประเมินมูลค่าผู้เล่น | |
| ราคาสเปรดชีตฟุตบอลมาสเตอร์ | ข้อมูลจากด้านการเงิน/ธุรกิจของฟุตบอลโดย Kieran Maguire | ลิงค์ |
| สปอตแทรค | สัญญาผู้เล่น เงินเดือน และข้อมูลการย้ายทีมสำหรับพรีเมียร์ลีก, MLS และ NWSL | |
| TransferMarket | ข้อมูลประวัติผู้เล่น สัญญา และมูลค่าโดยประมาณ | ข้อมูลนี้สามารถเข้าถึงได้ผ่านสิ่งต่อไปนี้:
|
| ข้อมูลการถ่ายโอนผู้เล่นผู้พิทักษ์ | เรียบเรียงโดย Tom Worville (ดูทวีต [ลิงก์]) | GitHub |
| ชื่อ | ความคิดเห็น | แหล่งที่มา/วิธีการรับข้อมูล |
|---|---|---|
| เดิมพันExplorer | ข้อมูลอัตราต่อรอง | ลิงค์ |
| ฐานข้อมูล FiveThirtyEight Soccer Predictions | ข้อมูลการทำนายผลฟุตบอล | ลิงค์ |
| Football-Data.co.uk | เดิมพันฟรีและการพนันฟุตบอล ผลฟุตบอลในอดีตและที่เก็บอัตราต่อรองการเดิมพัน คะแนนสด การเปรียบเทียบอัตราต่อรอง คำแนะนำการเดิมพัน และบทความการเดิมพัน | ลิงค์ |
| ผลฟุตบอลต่างประเทศระหว่างปี 1872 ถึง 2020 | ชุดข้อมูลล่าสุดผลฟุตบอลต่างประเทศมากกว่า 40,000 รายการโดย Mart Jürisoo | ลิงค์ |
ดูหัวข้อ Twitter ของ Mark Wilkin สำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีการวางแผนข้อมูลเหตุการณ์ของคุณเอง [ลิงก์]:
| ชื่อ | ความคิดเห็น | แหล่งที่มา/วิธีการรับข้อมูล |
|---|---|---|
| ตาราง xT | ค่าภัยคุกคามที่คาดหวัง (xT) ทั่วทั้งลีกจากพรีเมียร์ลีกฤดูกาล 2017-18 (ตาราง 12x8) กำหนดโดย Karun Singh สำหรับข้อมูลเพิ่มเติมเกี่ยวกับ xT โปรดดูบล็อกโพสต์ของ Karun [ลิงก์] | ลิงค์ |
| ตาราง EPV | ตารางมูลค่าการครอบครองที่คาดหวัง กำหนดโดย Laurie Shaw ดูการบรรยายต่อไปนี้สำหรับข้อมูลเพิ่มเติม [link] | ลิงค์ |
| โซนสนาม | การแจกแจงสนามออกเป็นโซนต่างๆ เพื่อใช้กับการแสดงภาพ สร้างสรรค์โดย Rob Carroll | ลิงค์ |
| ชื่อ | ความคิดเห็น | แหล่งที่มา/วิธีการรับข้อมูล |
|---|---|---|
awesome-football โดย football.db (Gerald Bauer) | คอลเลกชันชุดข้อมูลฟุตบอลที่ยอดเยี่ยม (ทีมชาติ สโมสร ตารางการแข่งขัน ผู้เล่น สนามกีฬา ฯลฯ) | ที่เก็บ GitHub |
| Data Hub ข้อมูลฟุตบอล | ลิงค์ | |
| ฐานข้อมูลฟุตบอลยุโรป | การแข่งขัน ผู้เล่น และคุณสมบัติของทีมมากกว่า 25,000 รายการสำหรับ European Professional Football | ลิงค์ |
| ข้อมูลเรตติ้งผู้เล่น FIFA 15-22 | คัดลอกมาจาก SoFIFA โดย Stefano Leone | ลิงค์ |
| การให้คะแนนผู้เล่น FIFA 18 | ผู้เล่นมากกว่า 17,000 คน คุณสมบัติมากกว่า 70 รายการดึงมาจาก FIFA 18 จัดทำโดยโซฟาฟา | ลิงค์ |
FootballData | "การผสมผสานข้อมูล JSON และ CSV Football" | GitHub |
footballcsv | ผลฟุตบอลย้อนหลังในรูปแบบ CSV | ลิงค์ |
| football.db | ฐานข้อมูลและสคีมาฟุตบอลที่เป็นสาธารณสมบัติฟรีและเปิดกว้างสำหรับใช้ในภาษา (การเขียนโปรแกรม) ใดๆ (เช่น ใช้ชุดข้อมูลธรรมดา) | ลิงค์ |
| ฟุตบอลเอ็กซ์จี | ลิงค์ | |
| คำแนะนำเกี่ยวกับข้อมูลฟุตบอล/ฟุตบอลและ API โดย Joe Kampschmid | ลิงค์ | |
| ข้อเท็จจริงฟุตบอลของฉัน | ลิงค์ | |
| ห้องฟิสิโอ | ลิงค์ | |
| บวกลบข้อมูล | เล่นโดยเล่นข้อมูลจาก espn.com | ลิงค์ |
| มูลนิธิสถิติ Rec.Sport.Soccer | ตารางลีกประวัติศาสตร์และผลฟุตบอล | ลิงค์ |
| เครื่องจำลองฟุตบอล RoboCup | ข้อมูลเครื่องจำลองฟุตบอล RoboCup | ลิงค์ |
| สกวากา | ลิงค์ | |
| สเตทบังเกอร์ | ลิงค์ | |
| แหล่งข้อมูล Tableau | รวมถึงข้อมูลกีฬา | ลิงค์ |
| โอนลีก | ลิงค์ | |
| สิบสองฟุตบอล | ลิงค์ | |
| โวโซสแตท | ข้อมูลฟุตบอลหญิงจากทั่วโลก | ลิงค์ |
เอกสารทั้งหมดถูกบันทึกไว้ในโฟลเดอร์ย่อยของเอกสารประกอบ รวมถึง:
- กลับ
soccer_analytics โดย Kraus Clemens - โปรเจ็กต์ Python ที่อำนวยความสะดวกในการเริ่มต้นสำหรับการวิเคราะห์Football-Analytics-With-Python โดย Anmol Durgapalตรวจสอบเซิร์ฟเวอร์ Tableau for Sports Discord ที่จัดโดย Ninad Barbadikar เพื่อโต้ตอบกับชุมชนของนักพัฒนา Tableau
สำหรับเพลย์ลิสต์ YouTube ของวิดีโอ Tableau-football และบทช่วยสอนที่ฉันได้รับการรวบรวมจากแหล่งต่าง ๆ รวมถึงกลุ่มผู้ใช้ฟุตบอล Tableau, Rob Carroll, Tom Goodall และ Ninad Barbadikar ดู [ลิงก์] ต่อไปนี้
