メインコンテンツへスキップ
見出し画像

競艇データ分析入門①|Pythonでレースデータを読み込む(サンプルデータ付き)


    このシリーズでは競艇の予想モデルを「自分の手で」作っていきます。データの読み込みから、特徴量づくり、LightGBMでの予測モデル、オッズとの突き合わせまで、月2回のペースで公開します。各回はその回の内容だけでも読めるように書いていますが、サンプルデータは4回共通で、第2回以降は前の回で作ったファイルも引き継いで使います。

    第1回は「データを読み込む」です。無料サンプル(2026年9月21日〜27日の1週間分)をPythonで読み込み、中身を確認して、テーブル同士を結合するところまでやります。ゴールは1レース6艇分の出走表に結果をくっつけた1枚のテーブルを作ることです。

    この記事のゴール:1枚のテーブルを作る

    • 出走表(entries)に、結果(results_boats)をくっつける

    • 1レース6艇分のテーブルを作る

    • まずは中身を確認すること。モデルはまだ作りません

    準備するもの

    • Python 3.10以上

    • pandas(pip install pandas で入ります。すでにAnacondaなどを使っている方は、そのままで大丈夫です)

    • この記事の最後にある「記事に添付するサンプル.zip」をダウンロードして解凍してください。フォルダ名は sample/ にしてください(コードは sample/ を前提に書いています)

    サンプルデータの中身

    サンプルは2026年9月21日〜27日の1週間分です。フルデータ版の全19テーブルを、列名・列構成そのままで切り出しています。

    • races(1,092行)レースの基本情報(日付・場・レース番号・グレードなど)

    • entries(6,552行)出走表(選手名・級別・勝率・モーターなど)

    • previews(6,552行)直前情報(展示タイム・チルトなど)

    • results_boats(6,552行)結果(着順・進入コース・スタートタイミングなど)

    • payouts(10,442行)払戻金(全券種)

    • series_runs(25,328行)今節の成績(そのレースより前の分だけ)

    • recent_form_national(32,760行)直近5節の成績(全国)

    • recent_form_local(28,351行)直近5節の成績(当地)

    • original_exhibition(16,804行)オリジナル展示(展示計測値)

    • motor_period_stats(4,030行)モーターの期間成績(日次スナップショット)

    • motor_period_stats_recon(5,618行)モーターの期間成績(再構築版)

    • motor_periods(24行)モーター期の境界(期間がこの週に重なるもの)

    • parts_exchange(392行)部品交換

    • plate_labels(1,092行)安定板ラベル

    • odds_trifecta_snapshots(628,680行)締切前オッズの時系列

    • odds_combos_final(221,540行)最終オッズ(全券種)

    • votes_combos_final(221,292行)確定票数

    • votes_type_totals(7,315行)券種別の票数合計

    • race_sales_total(1,056行)売上

    サンプル期間の3連単について、締切時点(minutes_before=0)のオッズ×100が払戻金と一致した割合は97.7%(1,045件中1,021件)でした。このチェックは下のコードの最後でも実行しています。

    1. データを読み込む

    まずは3つのテーブルを読み込み、行数と列数を確認します。

    import pandas as pd
    
    S = "sample/"
    W = "_sample_2026-09-21_2026-09-27.csv"
    
    races = pd.read_csv(S + "races" + W)
    entries = pd.read_csv(S + "entries" + W)
    results = pd.read_csv(S + "results_boats" + W)
    
    print(races.shape)
    print(entries.shape)
    print(results.shape)

    実行結果:

    (1092, 25)
    (6552, 28)
    (6552, 11)

    2. 中身を確認する

    読み込んだら、まず中身を眺めます。列名と先頭の数行を確認します。

    print(races.columns.tolist())
    print(races.head(2).to_string())
    print(races[["race_id", "race_date", "venue_code", "venue_name", "race_no"]].head(2).to_string())

    実行結果(列名):

    ['race_date', 'venue_code', 'venue_name', 'race_no', 'race_id', 'closed_at', 'grade_number', 'title', 'subtitle', 'distance_m', 'technique_number', 'technique_name', 'weather_number', 'weather_name', 'wind_speed_m', 'wind_direction_number', 'wave_cm', 'temperature_c', 'water_temperature_c', 'plate_used', 'label_distance_m', 'series_day', 'race_name', 'grade_label', 'is_nighter']

    実行結果(先頭2行の主要列):

              race_id   race_date  venue_code venue_name  race_no
    0  20260921-01-01  2026-09-21           1         桐生        1
    1  20260921-01-02  2026-09-21           1         桐生        2

    race_id は「日付-場コード-レース番号」の形で、全テーブル共通のキーです。例えば 20260921-13-01 は「2026年9月21日・尼崎(13)・1R」を表します。



    画像

    entries の主な列:

    • boat_no:艇番(1〜6)

    • racer_name:選手名

    • class_name:級別(A1・A2・B1・B2)

    • national_top1_pct:全国勝率(出走表の「勝率」)

    • motor_top2_pct:モーター2連対率

    3. 出走表と結果を結合する

    出走表と結果は、race_id と boat_no の2つをキーにして結合します。結果の着順は place_number 列に入っています(数字でない行もあるので、数値化して place 列を作ります)。

    df = entries.merge(
        results[["race_id", "boat_no", "place_number", "course_number", "start_timing"]],
        on=["race_id", "boat_no"],
        how="left",
    )
    print(df.shape)
    
    # 着順を数値化する(失格・欠場など数字でない行は NaN になる)
    df["place"] = pd.to_numeric(df["place_number"], errors="coerce")

    実行結果:

    (6552, 31)

    結合すると、1レース6艇分の出走表に、それぞれの着順(place)などがくっつきます。place が空の行は欠場・中止などのケースです。
    これが今後の分析の土台になるテーブルです。


    画像

    4. 最初の集計:1号艇はどれくらい勝つのか

    土台ができたら、さっそく集計してみましょう。1号艇の1着率を計算します。

    win1 = df[df["boat_no"] == 1]["place"].eq(1).mean()
    print(f"1号艇の1着率: {win1:.1%}")

    実行結果:

    1号艇の1着率: 55.3%

    サンプル週(2026年9月21日〜27日)だと、1号艇の1着率は55.3%でした。これがこのシリーズで使う分析の最小単位です。集計して、数字で確認する。この繰り返しがモデル作りの基本です。
    ついでに、サンプルの整合チェックもしておきます。3連単の締切時点オッズ×100が、実際の払戻金とどれくらい一致するかを見ます。

    # --- おまけ:サンプルの整合チェック ---
    # 3連単について、締切時点(minutes_before=0)のオッズ×100 が払戻金と一致する割合
    odds = pd.read_csv(S + "odds_trifecta_snapshots" + W)
    payouts = pd.read_csv(S + "payouts" + W)
    final_odds = odds[odds["minutes_before"] == 0]
    tri_payout = payouts[payouts["bet_type"] == "trifecta"]
    chk = final_odds.merge(tri_payout, on=["race_id", "combination"], how="inner")
    agree = ((chk["odds"] * 100).round() == chk["payout_yen"]).mean()
    print(f"オッズ最終値と払戻の一致率: {agree:.1%}({int(((chk['odds'] * 100).round() == chk['payout_yen']).sum()) / {len(chk)} 件)")

    実行結果:

    オッズ最終値と払戻の一致率: 97.7%(1021 / 1045 件)


    画像


    サンプルデータのファイル名について

    サンプルはファイル名に _sample_2026-09-21_2026-09-27 を含む形で配布しています。フルデータ版では、この部分が付きません。読み込みのコードはファイル名の部分だけ変えればそのまま使えます。列名・列構成はフルデータ版と同一です。

    次回予告


    次回はこの土台に「特徴量」を作ります。直近5節の成績や今節の成績を数値化して、モデルに渡せる形にしていきます。

    注意


    本記事およびサンプルデータは的中や回収率を保証するものではありません。舟券の購入は自己責任でお願いします。フルデータ版は2026年11月29日に販売を開始します。



    ■ この記事で使ったデータについて
    この記事の検証・分析に使ったボートレースの全データ(2016年9月〜2026年11月・568,248レース、全19テーブル・約3.55億行。出走表・結果・展示・締切前オッズの時系列・確定票数ほか)は、有料noteで公開しています。自分でも検証や予想モデル開発をしたい方は、こちらからどうぞ。


    あなたへのおすすめ