FantaF1 Predictor

Strumento per la stima della formazione FantaF1, basato su dati reali di Formula 1 e sulle regole di punteggio dell'app GPK Games.

Ho sviluppato questo progetto come supporto per le mie scelte. Da ogni weekend di gara scarico i dati ufficiali (prove libere, qualifica, gara) tramite la libreria FastF1, stimo i punti FantaF1 di ogni pilota e seleziono la squadra ottimale entro il budget di 400 crediti. Ho inoltre sperimentato, a scopo dimostrativo, un modello Random Forest sui risultati di GP passati.

Il metodo basato sulle prove libere è stato validato sul campo: all'Ungheria 2026 la formazione consigliata mi ha portato al primo posto del mio fantaf1.

Risultati

Funzionalità

• Download dei dati ufficiali F1 (FP3, qualifica, sprint, gara) con cache locale, per non riscaricare i dati a ogni esecuzione.
• Calcolo dei punti FantaF1 secondo il regolamento GPK Games: punti di qualifica e gara, bonus per il miglior tempo nelle prove libere, per aver battuto il compagno di squadra e per aver battuto il leader del mondiale.
• Ottimizzazione della formazione (4 piloti + 1 team) entro il budget di 400 crediti, con scelta automatica del capitano (punteggio raddoppiato).
• Modello Random Forest (dimostrativo) per stimare i punti attesi di un pilota.

Avvio rapido

Installa le dipendenze:

pip install -r requirements.txt

Genera la formazione consigliata per un GP (per default l'Ungheria):

python fantaf1.py

Il risultato dipende dai dati FP3 disponibili nel momento dell'esecuzione. Eseguendo genera_formazione("Belgium") è possibile cambiare circuito.

Per ripercorrere il flusso completo, è disponibile il notebook notebooks/01_fantaf1_prediction.ipynb.

Struttura

├── fantaf1.py                    # modulo principale (formazione FP3 + Random Forest)
├── notebooks/
│   └── 01_fantaf1_prediction.ipynb   # percorso completo narrato
├── data/
│   └── prezzi_fantaf1_2026.csv   # prezzi pilota/team della stagione corrente
├── legacy/                       # bozze e versione originale del notebook
├── requirements.txt
└── LICENSE

Note

• I punteggi replica il regolamento dell'app GPK Games ed è mantenuto identico alla versione che ho validato sul campo.
• I prezzi di mercato cambiano a ogni giornata di gioco e vanno aggiornati nel file CSV.
• Il dataset del modello Random Forest è piccolo (5 GP): il risultato è da considerare dimostrativo, non uno strumento predittivo robusto.
• La stima della gara dalle prove libere non tiene conto di strategia, meteo o incidenti: è un'approssimazione, non una previsione certa.
• Le prime esecuzioni richiedono connessione Internet per scaricare i dati (a meno della cache f1_cache/).

Stack

FastF1, Python (pandas, numpy), scikit-learn, Jupyter.

Licenza

MIT (vedi LICENSE). Il progetto è a scopo personale; non è affiliato né sponsorizzato da GPK Games o dalla Formula 1.