Toolkit open source em Rust para registrar, visualizar, consultar e transmitir dados multimodais de robótica e sensores ao longo do tempo.
theOehrly/Fast-F1
Pacote Python para acessar e analisar resultados, calendários, dados de cronometragem e telemetria da Fórmula 1, retornando pandas DataFrames.
- Estrelas
- 5,476
- Forks
- 499
- Issues abertas
- 44
- Último commit
- ontem
O que é?
FastF1 é um pacote Python para trazer dados da Fórmula 1 para fluxos de trabalho de análise. Ele dá acesso a dados de cronometragem, telemetria dos carros, resultados das sessões e calendários de corridas, além de oferecer suporte à API jolpica-f1, compatível com Ergast, para dados atuais e históricos do campeonato.
Todos os dados são retornados como pandas DataFrames estendidos, e o pacote adiciona funções auxiliares a esses objetos para operações comuns relacionadas à F1. Também inclui integração com Matplotlib para criar gráficos e armazena em cache as solicitações à API, evitando que execuções repetidas de um script busquem os mesmos dados novamente.
FastF1 pode ser instalado com pip ou conda-forge. O projeto informa que é não oficial e não tem afiliação com as empresas da Fórmula 1.
Recursos principais
- 01Acesso a dados de cronometragem da F1, telemetria, resultados das sessões e calendários
- 02Oferece suporte à API jolpica-f1, compatível com Ergast, para dados históricos
- 03Retorna dados como pandas DataFrames estendidos, com métodos auxiliares específicos para F1
- 04Integração com Matplotlib para visualização
- 05Armazena em cache todas as solicitações à API para acelerar a execução repetida de scripts
Casos de uso
- Analisar tempos de volta e o ritmo dos pilotos ao longo de um fim de semana de corrida
- Comparar dados de telemetria, como velocidade e acelerador, entre pilotos
- Criar estatísticas históricas da F1 ou dashboards em notebooks Jupyter
Início rápido
- 1
Instale o FastF1 com pip
pip install fastf1 - 2
Ou instale com conda
conda install -c conda-forge fastf1 - 3
Consulte a documentação oficial para saber como usar
Antes de usar
- Projeto não oficial, sem vínculo com empresas de Fórmula 1.
- Alguns recursos e instalações em ambientes Pyodide/WASM exigem etapas manuais adicionais e não foram testados extensivamente.
Tópicos
Perguntas frequentes
- O que é Fast-F1?
- Pacote Python para acessar e analisar resultados, calendários, dados de cronometragem e telemetria da Fórmula 1, retornando pandas DataFrames. FastF1 é um pacote Python para trazer dados da Fórmula 1 para fluxos de trabalho de análise. Ele dá acesso a dados de cronometragem, telemetria dos carros, resultados das sessões e calendários de corridas, além de oferecer suporte à API jolpica-f1, compatível com Ergast, para dados atuais e históricos do campeonato.
- Fast-F1 é gratuito? Qual é a licença?
- Fast-F1 é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- Fast-F1 ainda é mantido?
- Manutenção ativa. O último commit de Fast-F1 foi em 18 de out. de 2026.
- Para que posso usar Fast-F1?
- Analisar tempos de volta e o ritmo dos pilotos ao longo de um fim de semana de corrida Comparar dados de telemetria, como velocidade e acelerador, entre pilotos Criar estatísticas históricas da F1 ou dashboards em notebooks Jupyter
- Como instalar Fast-F1?
- Instale o FastF1 com pip: pip install fastf1 Ou instale com conda: conda install -c conda-forge fastf1 Consulte a documentação oficial para saber como usar
- Onde consigo Fast-F1?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/theOehrly/Fast-F1
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Scanner quantitativo de ações A-share que executa seis estratégias técnicas após o fechamento do mercado e envia os resultados pelo Feishu.
Uma alternativa direta ao Jupyter com agente de IA, formato de notebook YAML `.deepnote` e editor baseado em blocos para Python, R e SQL.
Biblioteca Python para criar tabelas de apresentação estilizadas e prontas para publicação a partir de DataFrames do pandas ou Polars, renderizadas em HTML ou como imagens.
ManimGL é o mecanismo original do 3Blue1Brown para criar animações precisas e controladas por código, usadas em vídeos explicativos de matemática.
Transforma textos não estruturados em um grafo de conhecimento interativo usando um LLM para extrair triplas sujeito-predicado-objeto.