Plan de estudios para principiantes de 10 semanas y 20 lecciones de Microsoft, con temas esenciales de ciencia de datos, Python, cuestionarios y proyectos.
theOehrly/Fast-F1
Paquete de Python para acceder a resultados, calendarios, datos de cronometraje y telemetría de Fórmula 1, con datos en pandas DataFrames.
- Estrellas
- 5,476
- Forks
- 499
- Issues abiertos
- 44
- Último commit
- anteayer
¿Qué es?
FastF1 es un paquete de Python para incorporar datos de Fórmula 1 a flujos de trabajo de análisis. Permite acceder a datos de cronometraje, telemetría de los autos, resultados de las sesiones y calendarios de carreras, y es compatible con la API jolpica-f1, compatible con Ergast, para consultar datos actuales e históricos de los campeonatos.
Todos los datos se devuelven como pandas DataFrames extendidos, y el paquete añade funciones auxiliares para operaciones habituales de F1. También incluye integración con Matplotlib para crear gráficos y almacena en caché las solicitudes a la API, por lo que las ejecuciones repetidas de un script no tienen que volver a obtener los mismos datos.
FastF1 se puede instalar con pip o conda-forge. El proyecto aclara que no es oficial ni está afiliado a las empresas de Fórmula 1.
Funciones clave
- 01Acceso a datos de cronometraje de F1, telemetría, resultados de sesiones y calendarios
- 02Compatible con la API jolpica-f1, compatible con Ergast, para consultar datos históricos
- 03Devuelve los datos como pandas DataFrames extendidos con métodos auxiliares específicos de F1
- 04Integración con Matplotlib para visualizar datos
- 05Almacena en caché todas las solicitudes a la API para acelerar las ejecuciones repetidas de scripts
Casos de uso
- Analizar los tiempos por vuelta y el ritmo de los pilotos durante un fin de semana de carreras
- Comparar datos de telemetría, como la velocidad y el acelerador, entre pilotos
- Crear estadísticas históricas de F1 o dashboards en notebooks de Jupyter
Inicio rápido
- 1
Instala FastF1 con pip
pip install fastf1 - 2
O instálalo con conda
conda install -c conda-forge fastf1 - 3
Consulta la documentación oficial para saber cómo usarlo
Antes de usarlo
- Proyecto no oficial y no asociado a empresas de Fórmula 1.
- Algunas funciones y la instalación en entornos Pyodide/WASM requieren pasos manuales adicionales y no se han probado exhaustivamente.
Temas
Preguntas frecuentes
- ¿Qué es Fast-F1?
- Paquete de Python para acceder a resultados, calendarios, datos de cronometraje y telemetría de Fórmula 1, con datos en pandas DataFrames. FastF1 es un paquete de Python para incorporar datos de Fórmula 1 a flujos de trabajo de análisis. Permite acceder a datos de cronometraje, telemetría de los autos, resultados de las sesiones y calendarios de carreras, y es compatible con la API jolpica-f1, compatible con Ergast, para consultar datos actuales e históricos de los campeonatos.
- ¿Fast-F1 es gratuito? ¿Qué licencia tiene?
- Fast-F1 es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿Fast-F1 sigue mantenido?
- Mantenimiento activo. El último commit de Fast-F1 fue el 18 oct 2026.
- ¿Para qué puedo usar Fast-F1?
- Analizar los tiempos por vuelta y el ritmo de los pilotos durante un fin de semana de carreras Comparar datos de telemetría, como la velocidad y el acelerador, entre pilotos Crear estadísticas históricas de F1 o dashboards en notebooks de Jupyter
- ¿Cómo se instala Fast-F1?
- Instala FastF1 con pip: pip install fastf1 O instálalo con conda: conda install -c conda-forge fastf1 Consulta la documentación oficial para saber cómo usarlo
- ¿Dónde consigo Fast-F1?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/theOehrly/Fast-F1
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Biblioteca de Python que convierte scripts en aplicaciones web interactivas para dashboards de datos, informes y chats.
Kit de herramientas de código abierto en Rust para registrar, visualizar, consultar y transmitir datos multimodales de robótica y sensores a lo largo del tiempo.
Filtro cuantitativo de acciones A que ejecuta seis estrategias técnicas al cierre del mercado y envía los resultados a Feishu.
Una alternativa directa a Jupyter con un agente de IA, un formato de notebook YAML `.deepnote` y un editor por bloques para Python, R y SQL.
Biblioteca de Python para crear tablas de presentación con estilo y calidad de publicación a partir de DataFrames de pandas o Polars, y generarlas como HTML o imágenes.