alaa1234ah/fbref_football_player_performance_2024-2025

该数据集包含2024-2025赛季2273名职业足球运动员的全面表现统计数据，数据来源于FBref。数据集包括传统指标（进球、助攻）和高级分析（xG、xAG、进步动作）等，覆盖欧洲顶级联赛。数据集由FBref策划，更新频率为赛季性，数据集大小为2273名球员×33个特征。数据集支持球员表现分析、转会市场估值、梦幻足球优化、位置比较和年龄-表现相关性研究等任务。数据集结构包括球员元数据、比赛参与、进球贡献、预期指标、进步动作、纪律记录和每90分钟指标等关键特征。数据集的创建目的是提供标准化的球员表现指标，支持数据驱动的足球分析。This dataset contains comprehensive performance statistics for 2273 professional football players during the 2024-2025 season. Sourced from FBref, it includes both traditional metrics (goals, assists) and advanced analytics (xG, xAG, progressive actions) across top European leagues. The dataset is curated by FBref, updated seasonally, and consists of 2273 players × 33 features. It supports tasks such as player performance analysis, transfer market valuation, fantasy football optimization, positional comparison, and age-performance correlation studies. The dataset structure includes key features like player metadata, match participation, goal contributions, expected metrics, progressive actions, disciplinary records, and per-90-minute metrics. The dataset was compiled to provide standardized player performance metrics and support data-driven football analysis.

搜集汇总

数据集介绍

构建方式

该数据集基于FBref平台收录的2024-2025赛季欧洲五大联赛（英超、西甲、意甲、德甲、法甲）职业足球运动员的公开统计数据构建而成。数据采集聚焦于上场时间超过200分钟的球员，最终涵盖2273名球员的33项特征指标。在构建过程中，研究者对原始数据进行了标准化处理，包括统一国际符号表示（如将攻击手标记为'AT'）、格式化分钟数（如将'3,371'转换为3371）、基于原始数据计算每90分钟效率指标，并合并重复条目以确保每位球员仅出现一次。数据集以单一CSV文件形式呈现，未预设训练-验证-测试划分，便于研究者进行探索性分析。

特点

该数据集兼具传统统计与高级分析指标的融合特性，不仅包含进球、助攻、出场次数等基础数据，还引入了预期进球（xG）、预期助攻（xAG）、渐进式带球与传球等前沿量化指标。其核心亮点在于提供16项每90分钟效率统计，为不同出场时间的球员提供了可比性基础。此外，数据集涵盖球员元数据（国籍、年龄、位置）、纪律记录（红黄牌）及进攻贡献细分（非点球进球），形成多维度球员画像。然而，数据集存在欧洲联赛偏向性，门将数据有限，且位置分类可能简化了现代足球中日益普遍的混合角色，分析时需审慎对待。

使用方法

该数据集适用于多种足球分析场景，研究者可直接加载CSV文件进行球员表现量化评估、转会市场价值建模或年龄-表现相关性分析。通过利用预期指标（xG、xAG）与渐进式行动数据，可构建超越传统统计的进攻贡献评价体系。支持基于位置（攻击手、中场、后卫）的分组比较，以及利用每90分钟指标消除出场时间差异带来的偏差。在学术研究中，该数据可服务于体育分析教育、人才识别模型开发；在实际应用中，可用于梦幻足球优化策略制定。使用时需注意避免将数据用于球员个人批评，并考虑出场时间不均衡与进攻指标权重偏高带来的分析偏差。

背景与挑战

背景概述

在体育数据科学蓬勃发展的当下，足球分析已从传统的经验判断转向量化驱动的精准评估，亟需涵盖多维度指标的标准化数据集。由FBref于2025年创建的alaa1234ah/fbref_football_player_performance_2024-2025数据集，聚焦欧洲五大联赛（英超、西甲、意甲、德甲、法甲）的2273名职业球员，整合了传统数据（进球、助攻）与前沿预期指标（如xG、xAG、npxG+xAG），以及渐进式行动（带球推进、传球推进）等高级统计。该数据集旨在填补足球领域公开综合性球员表现数据的空白，为球员转会估值、梦幻足球优化、年龄与表现相关性研究等提供标准化基准，其影响力已辐射至体育学术研究、俱乐部球探系统及数据驱动决策实践，成为连接原始比赛记录与复杂分析模型的关键桥梁。

当前挑战

该数据集面临的核心挑战源于足球运动的复杂性与数据构建的固有局限。领域层面，传统统计（如进球、助攻）难以全面反映球员贡献，而预期指标（xG、xAG）虽能量化射门与传球质量，却无法孤立定位球贡献或捕捉防守型球员的影响力，导致进攻型球员在评估中占据天然优势，加剧了位置间的可比性偏差。构建过程中，数据仅覆盖欧洲五大联赛，存在显著的地域与联赛层级偏差，且球员筛选基于出场时间阈值（≥200分钟），使替补球员样本代表性不足；同时，位置分类简化了现代足球中常见的混合角色（如边锋兼前锋），门将数据的缺失进一步限制了战术分析的完整性。此外，来自FBref的原始数据需经符号标准化、分钟格式转换及重复条目合并等预处理，但不同联赛统计口径的细微差异可能引入系统误差，对跨联赛比较的可靠性构成挑战。

常用场景

经典使用场景

该数据集收录了2024-2025赛季欧洲五大联赛2273名职业球员的33项详实指标，涵盖传统进球助攻数据与预期进球（xG）、预期助攻（xAG）、渐进性推进等高级分析变量，为足球运动员表现评估提供了标准化、多维度的量化基础。研究者可基于球员位置、年龄、出场时间等元数据，结合每90分钟效率统计，系统性地比较不同联赛、不同角色球员的竞技水平差异，从而揭示战术贡献与个人能力的深层关联。

衍生相关工作

基于该数据集衍生的经典工作包括球员表现聚类与位置再分类研究，通过渐进性带球、传球和接球指标，重新定义现代足球中边后卫与攻击型中场的战术边界。另有工作利用xG与进球差值构建‘终结效率指数’，识别被低估的高效射手。在机器学习方向，研究者尝试基于年龄、出场时间和历史xG序列预测球员生涯峰值窗口，为长期合约谈判提供量化依据。这些工作共同拓展了体育数据科学的方法论边界，促进了足球分析从静态统计向动态预测的转型。

数据集最近研究

最新研究方向

随着足球数据分析的日益成熟，alaa1234ah/fbref_football_player_performance_2024-2025数据集正成为前沿研究的重要基石。当前，该数据集被广泛应用于基于预期进球（xG）和渐进性动作等高级指标的球员效能评估，推动了从传统统计向量化建模的范式转变。在转会市场估值领域，研究者利用其包含的33维特征构建机器学习模型，以预测球员市场价值并优化俱乐部投资策略，这与欧洲顶级联赛中数据驱动决策的热点趋势紧密契合。同时，该数据集支持年龄-表现关联分析，为理解球员职业生涯的巅峰周期提供了实证基础，尤其在英超和西甲等联赛的战术适配性研究中发挥关键作用。此外，它在幻想足球优化和位置对比分析中的应用，不仅提升了球迷参与度，还促进了体育科学从主观经验向客观证据的转型，对足球产业的数据化革新具有深远影响。