1. 研究背景F1世界锦标赛自1950年创办以来经历了分站数量、积分制度、技术规则、参赛车队和安全标准的持续变化。每场正赛同时记录发车位、最终顺序、积分、圈数、最快圈和退赛状态等信息为研究赛车竞争结构、可靠性进步、赛道差异和车手表现提供了跨越七十余年的纵向数据。Kaggle数据集汇总了Ergast历史资料并在2025年后通过Jolpica的兼容API刷新本报告使用2026年7月19日版本最新覆盖比利时站。常见Kaggle F1分析通常比较历年比赛数、车手胜场、车队积分、发车位和完赛位。本案例复现这些核心视角并扩展到赛道全球分布、杆位转化、后排夺冠、退赛原因演化、2025完整赛季、2026部分赛季、同队车手比较、赛道名次波动、K-Means画像以及严格时间留出的领奖台分类。2. 研究意义体育分析意义把排位、比赛执行、可靠性与积分拆开观察避免只用总积分评价车手或车队。数据方法意义展示多表主键合并、历史制度差异、文本状态归类、滚动赛前特征、聚类与不平衡分类评估。3. 研究问题与实证路径研究依次回答五个问题F1赛季规模和全球赛道如何演化发车位对最终顺序具有多强解释力可靠性与退赛原因如何变化2025完整赛季与2026前10站呈现怎样的车手、车队格局仅使用赛前可得变量能否识别领奖台高概率样本。实证过程遵循“数据质量—长期演化—比赛位置—可靠性—近期赛季—聚类画像—时间留出模型—研究边界”的顺序。4. 数据覆盖、整合与缺失结构最终CSV按raceId、driverId、constructorId、statusId和circuitId合并results、races、drivers、constructors、status与circuits六张原始表保留所有原始ID并补充比赛、车手、车队、状态和赛道文本。未来已排期但尚未完成的比赛没有结果记录不进入分析。raw pd.read_csv(F1比赛结果_1950-2026_Kaggle.csv, low_memoryFalse) missing raw.isna().mean().mul(100).sort_values(ascendingFalse) annual raw.groupby(year).agg(entries(resultId,size), races(raceId,nunique)) print(raw.shape, annual.tail(), missing.head(12))数据包含27,458条车手—正赛结果1950—2025为完整历史赛季2026只有截至7月19日的10站和220条结果因此末端下降完全是部分年度效应。核心ID、年份、分站、赛道、车手、车队、最终顺序、积分和状态完整time与milliseconds缺失约70.4%fastestLap、fastestLapTime、fastestLapSpeed和rank缺失约66%—70%主要来自早期年代没有统一记录position缺失约39.9%因为退赛车手通常没有正式完赛名次。后续长期分析优先使用完整的positionOrder、grid和status最快圈字段不进入模型。5. 赛季规模与参赛结构的长期演化6. 赛道全球分布与传统赛区数据中共有77条至少举办过一场正赛的赛道位置横跨欧洲、美洲、亚洲、非洲和大洋洲但累计举办次数最高的国家和地区仍以意大利、英国、德国、美国、摩纳哥、比利时和法国等传统赛区为主。7. 发车位与最终顺序valid df[df.grid 0] sample valid.sample(min(10000, len(valid)), random_state42) plt.hexbin(sample.grid, sample.positionOrder, gridsize24, binslog, mincnt1) plt.plot([1,34],[1,34],r--); plt.colorbar(); plt.show()8. 杆位转化与冠军发车位5年滚动曲线显示杆位夺冠率长期大致在30%—60%以上波动近年阶段性提高冠军平均发车位通常在前排1970年代后期和1980年代初等阶段出现更靠后的滚动均值。9. 净名次变化的结构10. 后排发车夺冠的极端案例1950—2026年前10站共有40次冠军从第10位或更后发车占全部正赛的极小部分。典型案例包括1995比利时站Michael Schumacher第16位、2000德国站Rubens Barrichello第18位、2005日本站Kimi Räikkönen第17位、2018德国站Lewis Hamilton第14位以及2024圣保罗站Max Verstappen第17位发车夺冠。后排胜利通常依赖速度优势、天气、安全车、事故和策略共同作用极具故事性但属于长尾事件模型若以这些案例作为常规规则会严重高估逆袭概率。11. 赛车可靠性的长期变化df[classified] df.status.eq(Finished) | df.status.str.match(r^\\d Laps?$, naFalse) reliability df.groupby(year).classified.mean().mul(100) plt.plot(reliability.index, reliability, alpha.4) plt.plot(reliability.index, reliability.rolling(5).mean()); plt.show()12. 退赛原因如何演化13. 2025完整赛季的车手竞争d25 df[df.year.eq(2025)].groupby(driver_name).agg( race_points(points,sum), wins(win,sum), podiums(podium,sum)) d25 d25.sort_values(race_points, ascendingFalse) d25.head(20).sort_values(race_points).race_points.plot.barh(); plt.show()025完整24站正赛中Lando Norris获得394个正赛积分和7场胜利Max Verstappen为389分和8胜Oscar Piastri为381分和7胜三人的正赛积分差距很小。14. 2025车队层级速度与可靠性15. 2026前10站的最新格局16. 同队车手比较同车队比较可以部分控制赛车平台差异McLaren两名车手积分接近Mercedes的George Russell明显高于Andrea Kimi AntonelliFerrari的Charles Leclerc高于Lewis Hamilton中游车队的差距通常更小但积分基数也更低。17. 赛道与比赛结果波动18. 2025车手K-Means画像features [points_per_start,avg_grid,avg_finish,avg_gain,podium_rate,classified_rate] Z StandardScaler().fit_transform(driver25[features]) labels KMeans(3, n_init100, random_state42).fit_predict(Z) xy PCA(2, random_state42).fit_transform(Z) sns.scatterplot(xxy[:,0], yxy[:,1], huelabels, s70); plt.show()聚类使用至少出赛5场的21名2025车手特征包括场均正赛积分、平均发车位、平均最终顺序、净名次变化、领奖台率和分类率标准化后进行K-Means。k2轮廓系数最高0.537主要区分头部与其他报告选择k30.433以增加解释性争冠/领奖台组5人、平均正赛积分335.6中游承压组8人、平均净名次变化−1.12后排恢复组8人、平均净提升1.60。分组依赖本赛季赛车与结果不是永久车手等级。19. 领奖台识别、结论与研究边界20. 结论F1长期数据表明赛历扩张、工程可靠性提升和全球赛道布局共同塑造现代锦标赛发车位始终是结果的重要解释变量但策略、天气与退赛为比赛保留显著不确定性。2025形成三位车手接近的正赛积分竞争2026前10站则呈现新的领先结构。聚类和分类把这些结构量化却不能脱离赛车平台、规则年代和部分赛季口径评价车手。具体细节见原文可私创造不易谢谢各位多多点赞收藏