メインコンテンツへスキップ
見出し画像

ボートレース全部入りデータ(2016年9月〜2026年11月)|568,248レース・約3.55億行

    競艇(ボートレース)の予想モデルを作りたい。過去の傾向を自分の手で検証したい。でも、データを集めるだけで何か月も溶ける。その「収集と整形」の部分を、全部終わらせたデータセットです。
    収録期間は2016年9月から2026年11月まで、568,248レース。出走表・結果・展示・モーター・部品交換・安定板に加えて、締切前オッズの時系列(1.8億行)、全券種の最終オッズ、確定票数まで、予想と検証に必要なものを19テーブル・約3.55億行に整形してあります。全テーブルが共通のキー(race_id)で結合でき、CSV形式なのでPythonでも表計算でもそのまま読めます。
    このページでは、収録内容・期間・行数・カバレッジの限界まで、購入前に全部公開します。「思っていたのと違う」をなくすためです。ダウンロードリンクだけが有料エリアにあります。

    こんな人に

    • 競艇の予想モデル(機械学習・統計)を自分で作りたい人

    • 「展示最速は買い」「冬はインが強い」のような通説を、自分の手で検証したい人

    • バックテスト用に、リーク(未来情報の混入)のない特徴量データが欲しい人

    • オッズの時系列や票数の動きを分析したい人

    • スクレイピングと整形に何か月もかけず、分析から始めたい人
      逆に、予想そのもの(買い目や推奨)は含まれていません。これは「予想」ではなく「データ」です。

    収録内容(全19テーブル)

    すべてのテーブルはレース単位のキー race_id(例:20260921-13-01=2026年9月21日・場コード13・1R)で結合できます。

    • ■ races(568,248行)レースの基本情報。日付・場・レース番号・グレード・タイトル・距離・天候・風速・波高・安定板使用の有無。2016年9月〜2026年11月。

    • ■ entries(3,409,488行)出走表。選手名・登録番号・級別・全国/当地勝率・モーターとボートの2連対率/3連対率・平均ST・体重ほか。

    • ■ previews(3,384,360行)直前情報。展示タイム・チルト・体重・部品交換の有無・スタート展示のコース。2016年10月〜(収集元のデータが2016年10月1日からしかないため、2016年9月分はありません)。

    • ■ results_boats(3,409,488行)結果。着順・進入コース・スタートタイミング・レースタイム・決まり手・返還の有無。レースタイムは2025年1月以降のレースのみ入っています(それ以前は、収集元の結果データにレースタイム自体が含まれていないません)。

    • ■ payouts(5,590,505行)全券種の払戻金(単勝・複勝・2連単・2連複・拡連複・3連単・3連複)。

    • ■ series_runs(12,362,069行)今節成績(各艇の今節の走行履歴)。そのレースの前日分までで再構築してあり、当日・未来の情報は一切入っていません(後述の「リーク監査」を参照)。

    • ■ recent_form_national / recent_form_local(16,787,362行 / 11,720,210行)直近成績。レース時点より前の走行だけをロング形式で収録。

    • ■ original_exhibition(2,326,730行)各場が計測した展示データ(展示タイム・一周・回り足・直線ほか)。2024年3月〜。

    • ■ motor_period_stats(114,871行)/ motor_period_stats_recon(2,866,228行)/ motor_periods(244行)モーターの期間成績。公表値のスナップショットと、結果データから「節開始時点で凍結」になるよう逆算した再構築版の2系統。期間は系統ごとに違い、スナップショット版は2026年4月〜2026年11月のみ、再構築版は2016年9月〜2026年11月、期の境界(motor_periods)は2016年9月〜2026年10月です。

    • ■ parts_exchange(167,085行)部品交換の記録(部品名・個数つき)。2017年1月〜2026年11月の119か月分、欠けた月なし。個数が原データで示されない部品は個数欄が空欄です。

    • ■ plate_labels(549,468行)安定板の使用ラベル。2017年1月〜2026年11月(2024年10月以降は全レース分、それ以前も99.8%)。

    • ■ odds_trifecta_snapshots(180,673,440行)3連単オッズの時系列。締切30分前・20分前・10分前・5分前・直前・確定の各時点のオッズをレースごとに収録。2021年2月28日〜2026年11月。※提供元の許可を得て収録しています。

    • ■ odds_combos_final(78,490,397行)公式の最終オッズ(全7券種:単勝・複勝・2連単・2連複・拡連複・3連単・3連複)。2017年3月〜(それ以前の分はありません。年代別のカバレッジは下記参照)。

    • ■ votes_combos_final(31,215,426行)/ votes_type_totals(1,032,107行)確定票数。3連単・3連複などの組合せ別票数と、券種別の合計。2024年3月〜2026年11月。

    • ■ race_sales_total(182,685行)レース別の総売上。2023年8月〜2026年11月。

    カバレッジの正直な話(ここは必ず読んでください)

    全部が全期間そろっているわけではありません。取れる範囲には物理的な限界がありました。主な限界は次のとおりです。

    • 公式の最終オッズ(odds_combos_final)は、開催レースの66.3%分です。内訳は年代で大きく違い、2022年以降は100%(2026年も、開催されたレースについては10月分・11月7日分まで100%です。発売中止で開催されなかった20レースは、オッズ自体が存在しません)、2021年94.4%、2020年55.5%、2019年20.8%、2018年8.7%、2017年6.9%、2016年0%。全体の低さは2020年以前の薄さによるものです。残りは公式側にデータが残っていない期間・場の分で、後から埋める手段がありません。

    odds_combos_final の複勝・拡連複は、公式が「幅(最小〜最大)」で発表する券種のため、odds 列は全期間で空欄です(組合せの行自体は全組番そろっています)。

    • オッズの時系列は2021年2月28日から、確定票数は2024年3月から、総売上は2023年8月から、オリジナル展示は2024年3月からです。それより前の分は提供側に残っておらず取得できませんでした(オッズ時系列は2021年2月28日より前の記録自体がなく、総売上は2023年8月より前の提供自体がありません)。

    • 安定板ラベルは2017年1月〜2026年11月まで収録しています(2024年10月以降は全レース、それ以前も99.8%)。未収録は2016年9〜12月分と、記録上「なし」の79場日分だけです。

    • 展示(previews)は、収集元のデータが2016年10月1日からしかないため、2016年9月分(4,188レース)がありません。

    • 中止などで開催されなかったレース(8,445件)は、結果なしとしてそのまま収録しています。
      「全期間そろっている」と偽るつもりはありません。どのテーブルに・どの期間の欠けがあるかは、買う前にこのページで全部確認できるように、テーブルごとに書きます。

    • races / entries / results_boats / payouts:2016年9月〜2026年11月(11月は4日まで)。中止などで開催されなかった8,445レースは、結果・払戻なしのまま収録しています。races の series_day / race_name / grade_label / is_nighter は2026年5月以降のみで、それ以前は空欄ですr。results_boats のレースタイムは2025年1月以降のみです(それ以前は収集元の結果データにレースタイムが含まれていないため)。

    • entries:モーターとボートの3連対率は、2017年3月以前は公式が提供していない期間があり、その期間は空欄です。全国/当地の勝率(top1)は百分率ではなく着順点の平均(10点満点)で、10を超える場合があります(2連対率・3連対率は通常の%です)。モーター期間成績の勝率も同じ意味です。

    • payouts:払戻の行は、発売のあった勝ち組合せだけです。0票だった勝ち組合せには払戻の行がありません。

    • previews:2016年10月〜2026年11月(11月は4日まで)。2016年9月分はありません(収集元のデータ自体が2016年10月1日開始のため)。展示がなかったレース・艇は、展示タイム等が空欄です。体重が記録されていない艇も空欄です。

    • series_runs / recent_form_national / recent_form_local:同期間。そのレースより前の走行がない場合(節の初日、デビュー直後など)は行がありません。

    • original_exhibition:2024年3月〜2026年11月。それより前は提供側の保持がなく取得できませんでした。江戸川は全期間なし(オリジナル展示の計測自体が行われていない場のため)、津は2025年10月から、常滑は2026年8〜9月に一部(216レース)の欠けがあります。

    • motor_period_stats / motor_period_stats_recon / motor_periods:スナップショット版(motor_period_stats)は2026年4月〜2026年11月のみです(その日の公表値をその日に記録したもので、収集を始めた2026年4月25日より前の分は存在せず、後から作ることもできません)。再構築版(motor_period_stats_recon)は2016年9月〜2026年11月、期の境界(motor_periods)は2016年9月〜2026年10月です。「全期間分」なのは再構築版だけです。スナップショット版には元データの未定義列(extra_21 / extra_22)がそのまま残っています。

    • parts_exchange:2017年1月〜2026年11月(欠けた月なし)。2016年分はありません。部品交換があった艇だけを収めた表です(交換なしの艇は載りません)。

    • plate_labels:2017年1月〜2026年11月。2024年10月以降は全レース分、それ以前も99.8%を収録。未収録は2016年9〜12月分と、記録上「なし」の79場日分(948レース)だけです。ラベルがないレースや races の安定板欄が空欄のレースは「未観測」で、「安定板なし」という意味ではありません。

    • odds_trifecta_snapshots:2021年2月28日〜2026年11月。それより前の期間は、この形式の締切前オッズが残っていません。提供側に記録のないレースは欠けています。odds が -0.1 / 0.0 / 9999.0 の行は「未公表・発売なし」などを表す目印の値で、実オッズではありません。2021年2月28日〜2021年7月4日は締切10分前より前の時点がなく、10分前・5分前・0分前のみです。2021年2月28日〜2023年7月の開催レース134,117件のうち、3,426件はオッズ時系列がありません(収録率97.4%)。この3,426件はすべて開催されたレースで、中止ではありません。結果と払戻は収録されています。欠けの理由は、3,410件が提供側に記録がなく取得できなかったもの、16件が記録はあったものの断片的で使える時点がなかったものです。なお、同期間に開催中止となった1,807レースは欠けには数えず、対象外としています。0分前の値は締切時点で取得した最終の公表値で、公式の確定オッズそのものではありません。

    • odds_combos_final:2017年3月〜2026年11月(公式が遡って提供する下限は2017年3月8日で、それ以前はありません)。年代別のカバレッジは上記のとおり(2022年以降は100%〜2016年0%)。複勝・拡連複の odds 列は空欄です。

    • votes_combos_final / votes_type_totals:2024年3月〜2026年11月。それより前は提供側の保持期間を過ぎていて取得できませんでした。票数は返還を差し引く前の総数(gross)です。0票の組合せには行がありません。

    • race_sales_total:2023年8月〜2026年11月。それより前の期間は、提供側(競艇日和)に売上データ自体がなく、収録していません。2024年12月〜2025年4月の4,161レース分は、元の収集に欠けがあったため票数×100円で補った導出値で、実測値ではありません。乖離のあった343レースも票数由来の値に修正済みです。初初期間の一部レースは、元データに売上値がなく空欄です(行自体はあります)。

    • original_exhibition の計測項目は場・時期によって異なり、項目がない艇はその項目の行がありません。

    品質について ― リーク監査と検証の数字

    モデル学習用のデータで一番怖いのは、特徴量に未来の情報が混ざる「リーク」です。実はこのデータセットも、製作途中で今節成績テーブルに当日分が混入しているのを発見しました。販売する以上そのままにはできないので、結果データだけから全期間を作り直し、検証し直しました。

    • 今節成績・直近成績は「そのレースの前日まで」の走行だけで再構築。当日・後日の混入ゼロを全件検査で確認済みです。今節成績の出遅れ(L)は公式結果に合わせてスタートタイミングが空欄で、フライング(F)は符号なしの大きさで記録しています(結果テーブルではFは負値なので、突き合わせるときは注意してください)。

    • モーター期間成績の再構築版は、節開始時点で値が凍結される形に逆算してあります。

    • 整合性の検証数字(最終ビルド時点):公式最終オッズ×100と払戻の一致率97.7%、票数の合計整合チェックは違反0件、オッズ時系列の最終値×100と払戻の一致率96.8%。なお公式の最終オッズは返還精算前の公表値のため、返還発生レースでは払戻金と一致しません(上記の不一致分は主にこれです)。

    • 出走表・展示・安定板など予測に使う側のテーブルは、すべてレース前に公表されていた情報だけです。結果・オッズ・票数は「答え合わせ用」として分離してあります。
      このデータで実際に何ができるかは、無料記事「データで読む競艇2026 ― 47,532レースで通説を全部検証した」と、入門シリーズ(読み込み編〜EV検証編)で全部公開しています。買う前に、そちらで中身の雰囲気を掴んでください。

    無料サンプル

    1週間分(2026年9月21日〜27日、19テーブル・1,092レース)の無料サンプルを、入門記事「①読み込み編」で配布しています。この販売ページと同じ形式・同じキー設計です。まずサンプルで「自分の環境で読めるか」「結合できるか」を確認してから検討してください。

    形式・動作環境

    • 形式:CSV(UTF-8)をテーブル別にZIPへ同梱。ファイルは単体ZIP 1本(約2.3GB)です。

    • 結合キー:全テーブル共通の race_id。列定義・期間・行数は同梱のREADMEとmanifestに記載。

    • 読み込み:Python(pandas)での利用を想定。入門記事①に読み込みコードの実例があります。大規模テーブル(オッズ時系列など)は月別などに分割してあるので、必要な分だけ読めます。

    購入前の注意

    • 本データのレースは2026年11月4日分までです。それ以降のレースは含まれません(一部のテーブルは11月7〜8日分まで含みます)。

    • 予想・買い目の提供ではありません。モデルの性能や回収率を保証するものでもありません。

    • データの正確性には最善を尽くしていますが、完全性・正確性を保証するものではありません(検証数字は上記のとおり公開しています)。

    • 利用条件:購入者ご本人の利用(分析・モデル開発・研究・商用モデルへの組み込みを含む)は自由です。データそのものの再配布・転売・公開はできません。

    • ダウンロードは有料エリア内のリンク(Googleドライブ)から行います。ファイルサイズが約2.3GBあるため、PCでのダウンロードを推奨します。

    • 返金:データ商品の性質上、ダウンロード後の返金は原則お受けできません。購入前に無料サンプルで形式を必ず確認してください。
      ここから先の有料エリアには、ダウンロードリンクと、解凍・読み込みの手順を置いてあります。

    あなたへのおすすめ