:video_game: 优秀的游戏数据集

在计算机科学中，人工智能（AI）是指机器所表现出的智能。其定义为：人工智能研究是关于“智能代理”的研究——即任何能够感知其环境并采取行动以实现其目标的设备 Russell 等人 (2016)。

与此同时，数据挖掘（DM）是从数据集中发现模式的过程，涉及机器学习、统计学和数据库系统的方法；数据挖掘的重点在于从数据集中提取信息 Han (2011)。

本仓库旨在指导如何在数字游戏中使用人工智能或数据挖掘。您可以在这里找到数据集、工具和资料，用于构建您的_应用程序_或_数据集_。

贡献

如您有任何建议或问题，请提交一个议题。若想参与贡献，请阅读此处，然后提交一个拉取请求。

---

目录

• :video_game: 优秀的游戏数据集
  • API
  • 人工智能
    • 移动端
    • Web
  • 书籍
  • 数据集
    • 相关
  • 市场研究
  • 杂项
  • 许可证

---

API

API 是指“一组函数和过程，允许创建访问操作系统、应用程序或其他服务的功能或数据的应用程序”（Google）。

• Battle.net - 由 Blizzard 开发的游戏集合。
• Battlefield 4 统计 - 玩家的统计数据、排名和进度。
• BoardGameGeek - 棋盘游戏数据。
• 反恐精英 - 反恐精英：全球攻势（CSGO）的数据解析。
• Giant Bomb - 游戏数据及玩家评论。
• IGDB - 来自任何平台的游戏通用信息。
• 漫威开发者 - 关于漫威庞大漫画库的信息。
• metacritc - 游戏评论与评分。
• NEXARDA - 游戏及价格数据。
• OpenCritic - 游戏评论聚合平台。
• OpenDota - 提供 Dota 2 数据的平台。
• PandaScore - 实时电子竞技数据。
• PokéAPI - 全世代宝可梦数据。
• Riot Games - 在线游戏、对战历史及排位统计。
• smm-course-search - 搜索《超级马里奥制造》游戏中的关卡。
• smm-course-viewer - 读取《超级马里奥制造》存档中的关卡。
• smm-maker-profile - 获取《超级马里奥制造》游戏中的用户资料。
• Steam 数据库 - 一系列用于处理 Steam 数据的工具。官网。
• Steambase - Steam 数据工具与洞察。官网。
• Steam Spy - 基于 Steam 用户资料的游戏统计数据。
• Steam Web API - Steam 查询工具。
• TGDB - 来自任何平台的游戏通用信息。官网。
• TrendingNow.games - 实时热门 Steam 游戏数据，提供免费的 CSV、RSS 和 JSON 格式数据源，每小时更新。
• vgchartzScrape - 来自 VGChartz 的爬虫。
• WhatoPlay - 游戏评论与评分聚合平台，同时也是帮助发现新游戏的推荐引擎。
• Xbox LIVE API - 游戏、应用、用户统计及消息。论文。

---

人工智能

• CyberBattleSim - 用于研究自动化智能体的实验平台。官网。
• Daimonin - 等距视角大型多人在线角色扮演游戏。
• Deliantra - 中世纪背景下的冒险游戏。
• 地牢与洞穴生成 - 用于地牢和关卡的构造式生成方法。
• 地牢爬行：石汤 - 类Roguelike冒险游戏。
• 格斗游戏AI竞赛 - 格斗游戏控制器。
• FlightGear飞行模拟器 - 飞行模拟器。
• 通用视频游戏AI - 用于通用视频游戏的控制器。论文。
• Two Sigma的Halite - 在太空对战中收集卤石。
• 花火牌比赛 - 桌游比赛。
• 无限超级马里奥兄弟 - 超级马里奥比赛。平台跳跃类AI的前身。官网。
• Malmo - 基于Minecraft游戏构建的平台。
• microRTS - RTS游戏比赛。PT-BR。
• MiniDungeons - 程序化地牢风格游戏。
• Morai-Maker-Engine - 合作游戏关卡编辑器。论文。
• 吃豆人小姐 - 吃豆人游戏比赛。
• OpenLieroX - Liero（类似Worms）游戏。
• openmw - 开放世界角色扮演游戏。官网。
• 平台跳跃AI - 超级马里奥比赛。
• polyworld - 人工生命系统。
• qengine - 复古游戏引擎。
• 复古大赛 - SEGA Genesis游戏比赛。官网。
• Robocode - 机器人坦克对战比赛。
• Showdown AI竞赛 - 宝可梦对战比赛。
• 星际争霸AI竞赛 - 星际争霸游戏比赛。
• 基于文本的冒险AI竞赛 - 文本冒险游戏比赛。官网。
• The Genius - 国际象棋引擎。
• 开放赛车模拟器 - 赛车模拟器。
• 荒岛素食者 - 岛上生存冒险游戏。
• veloren - 沙盒游戏。官网。
• Vindinium - 多人回合制Roguelike比赛。文档。
• 视觉毁灭战士AI竞赛 - 毁灭战士游戏比赛。
• Wargus - 实时战略游戏。官网。

移动端

• Habitica - 将生活游戏化。
• 像素地牢 - Roguelike游戏。
• 破碎像素地牢 - 改进版的像素地牢。

网页端

• Digger - Boulderdash游戏。
• 打鸭子 - 打鸭子射击游戏。游玩。
• 无限超级马里奥兄弟 - 超级马里奥兄弟。游玩。
• 突袭！竞技场 - 击退中世纪怪物大军。游玩。
• 星际飞船 - 经典星际飞船游戏。
• TapAI - 用户通过点击屏幕进行互动的游戏。
• WebNES - 在网页浏览器中玩NES游戏。游玩。

---

图书

• Drachen, A. Mirza-Babaei, P. Nacke, L. (2018). 游戏用户研究. 牛津。
• El-Nasr, S. Drachen, A. Canossa, A. (2013). 游戏分析：最大化玩家数据的价值. Sprigner。
• Han, J., Pei, J., Kamber, M. (2011). 数据挖掘：概念与技术. Elsevier。
• Hennig-Thurau, T. Houston, M. (2018). 娱乐科学：电影、游戏、音乐和书籍的数据分析与实践理论. Springer。
• Loh, A. Sheng, Y. Ifenthaler, D. (2015). 严肃游戏分析：绩效测量、评估和改进的方法论. Springer。
• Millington, Ian, Funge, John (2020). 游戏中的人工智能，第三版. CRC Press。
• Russell, S. J., Norvig, P. (2016). 人工智能：现代方法. 马来西亚；培生教育有限公司。
• Yannakakis, G. N., Togelius, J. (2018). 人工智能与游戏. Springer。

---

数据集

• (LoL) 英雄联盟排位赛数据 - 排位赛对局详情。
• 1.7万款苹果应用商店策略游戏 - 苹果应用商店中的策略游戏。
• 2018年国际足联世界杯参赛球队名单 - 参加世界杯各队的球员名单。
• 32万条Roblox应用谷歌商店评论 - Roblox应用在谷歌商店的用户评论。
• 38万次“猜大还是小”游戏数据集 - 猜数字游戏的真实数据。
• 帝国时代2：决定版22.5万场游戏数据 - 22.5万场《帝国时代2》比赛中的对战、结果及游戏状态数据。
• 动物森友会新视野目录 - 包含物品、村民、服装、鱼类/昆虫等的全面清单。
• 桌游数据 - 来自各类桌游的数据。
• 桌游数据集 - 来自BoardGameGeek的桌游数据集。
• 桌游数据集 - 来自BoardGameGeek的桌游属性及评分数据。
• 在线桌游对局记录 - 桌游对局的完整记录。
• bravefrontier_data - 手机游戏数据，包括道具和任务信息。
• CartolaFC - 流行的巴西虚拟足球游戏（2014年至2017年）。
• 国际象棋游戏数据集（Lichess） - 国际象棋对局数据，包含每步走法、胜负、等级分、开局细节等。
• 皇室战争数据集 - 卡牌数据。
• 完整的FIFA 2017全球球员数据集 - 球员数据。
• Steam游戏行为多样性研究 - 历史性游戏数据。
• 四子连珠数据集 - 四子连珠游戏对局。
• CS:GO竞技匹配数据 - 各回合伤害记录。
• CS:GO Steam评论 - Steam平台上的用户评论。
• Clash Royale游戏玩家数据 - Clash Royale游戏中的玩家数据。
• 魔兽争霸III中的怪物数据 - 魔兽争霸III游戏中怪物的相关数据。
• dnddata - 龙与地下城角色数据集。
• Dota 2比赛结果（UCI） - Dota 2比赛的结果数据。
• 艾尔登法环Steam评论 - Steam平台上的用户评论。
• FIFA 18完整球员数据集 - 球员及其各项属性数据。
• 堡垒之夜统计_80场比赛 - 结束时的游戏统计数据。
• 堡垒之夜：大逃杀武器属性 - 武器的各项统计数据。
• GamingVideoSET - 用于游戏视频流应用的数据集。论文
• GOSU.AI Dota 2游戏聊天记录 - 来自比赛回放的聊天记录。
• GTA-3D数据集 - 侠盗猎车手5中的2D和3D图像。
• 炉石传说卡牌 - 卡牌收藏。
• 魔法门之英雄无敌3单位 - 游戏中的单位数据。
• 炉石传说历史 - 牌组集合。
• 霍格沃茨之遗评论 - 《霍格沃茨之遗》的评论列表。
• LCS 2017夏季赛梦幻联赛选手与队伍数据 - 选手和队伍的相关数据。
• 英雄联盟钻石段位10分钟排位赛 - 排位赛分类数据。
• 2016年英雄联盟召唤师ID及数据 - 游戏相关数据。
• 万智牌卡牌 - 卡牌数据。
• 史上最多游玩游戏 - Steam平台上的游戏统计数据。
• NBA球员 - 1996年至2019赛季的生物特征、个人资料及基础数据统计。
• 老派Runescape投票数据 - 历史投票数据。
• OpenDota - Dota 2比赛的持续数据库。
• 守望先锋游戏记录 - 单个玩家在数千场对局中的统计数据。
• 守望先锋排位赛数据 - 玩家及对局数据。
• 守望先锋 - 英雄特性。
• 流亡者之路游戏统计 - 玩家数据。
• 平台体验数据集 - 超级马里奥兄弟对局数据。论文。
• 用于数据挖掘和机器学习的宝可梦 - 前六代共721只宝可梦的统计数据。
• Pokémon GO图鉴 - 宝可梦百科全书。
• 带统计数据的宝可梦 - 包含统计数据和属性的宝可梦数据。
• 宝可梦奇妙交换结果 - 宝可梦月球版中奇妙交换的结果。
• 宝可梦挑战：Weedle的洞穴 - 宝可梦对战数据。
• PokémonGO - 宝可梦及对战统计数据。
• Predict'em All - 宝可梦在PokémonGo中随时间出现的情况。
• 绝地求生比赛死亡与统计 - 比赛数据。
• 拼字游戏 - Quackle游戏对局数据。
• 自动驾驶汽车 - 行为克隆完整指南。
• SkillCraft-StarCraft - StarCraft 2职业联赛水平的表现。
• SMMnet - 来自超级马里奥制造者的网络数据。
• StarCraft 2（UCI） - 比赛数据流。论文。
• StarCraft II比赛历史 - 比赛结果。
• StarCraft II回放分析 - 回放数据的汇总。
• 星际争霸：侦察敌军 - 职业级玩家的侦察行动。
• StarData - 比赛、视频等。官网，论文。
• 超级王牌 - 恐龙2 - 该游戏的卡片。
• Terra Mystica Snellman统计 - 游戏日志和统计数据。
• 完整的宝可梦数据集 - 来自所有世代的宝可梦数据。
• Quick, Draw! 数据集 - 涵盖345个类别的5000万幅绘画作品。
• Travian建筑 - 建筑的时间、成本及奖励。
• 魔兽世界角色历史 - 记录集合。
• 魔兽世界战场 - 战场详细信息。

相关资源

• 电脑游戏数据集 - 游戏世界：全面的电脑游戏数据集。
• Google Play商店应用 - 来自Play商店的应用数据。
• JVC游戏评论 - 来自JeuxVideo.com的视频游戏数据。
• Kickstarter数据集 - 项目详情。
• Metacritic游戏 - 来自metacritc的游戏数据。
• NEXARDA特许经营品牌 - 来自nexarda.com的特许经营品牌数据。
• NEXARDA游戏 - 来自nexarda.com的游戏数据。
• NEXARDA工作室 - 来自nexarda.com的开发者和发行商数据。
• 任天堂游戏 - 从metacritc抓取的跨平台任天堂游戏。
• 超过13,000款Steam游戏 - Steam平台上视频游戏的价格信息。
• PC游戏销量 - 最畅销PC游戏的数据集。
• PEW-游戏-宽带 - 关于视频游戏的问题。
• Steam游戏数据 - 结合了Steam API和Steam Spy的数据。
• Steam游戏数据集 - 从Steam搜索系统抓取的数据集。
• Steam评论数据集 - Steam用户评论。
• Steam商店游戏 - 从Steam和SteamSpy API抓取的27,000款游戏信息。
• Steam视频游戏 - Steam用户的互动数据。
• Vandal游戏评论 - 来自Vandal.com的游戏数据。
• 视频游戏数据 - 已发布的视频游戏。
• 带评分的视频游戏销量 - 来自metacritc的视频游戏销量和评分。
• 视频游戏销量 - 游戏的销售数据。
• 视频游戏数据 - 视频游戏简介。
• 视频游戏评论 - 在JeuxVideo.com上的评论。
• 2019年视频游戏销量 - 游戏的销量和评分。

---

市场研究

• 欧睿国际，视频游戏 - 战略市场研究员。
• Grand View Research，数字媒体 - 联合市场研究报告。
• Newzoo - 对游戏市场的见解。无与伦比的洞察力和价值。
• Statista，视频游戏 - 市场和观点研究机构以及来自经济部门的数据。

---

其他

• Academic Torrents - 分享海量数据集。
• Awesome ACG - 与动漫、漫画和游戏相关的技术。
• Awesome Esports - 使用视频游戏进行的竞技比赛。
• Awesome Gamedev - 开源游戏集合。
• AWS数据集 - 亚马逊公共数据集。
• data.world - 数据集。
• datasets-games - 各种游戏的数据集。
• Coding游戏 - 用于教授编程语言的游戏。
• GitHub上的游戏 - 在GitHub上托管的热门视频游戏。
• GitHub活动数据 - 来自开源GitHub仓库的活动数据。
• Gym OpenAI - 用于强化学习算法的游戏工具包。
• Kaggle - 数据科学竞赛、数据集和项目。
• Libre Game Wiki - 自由游戏百科全书。
• Open HTML5 Games - JavaScript和HTML5游戏。
• 开源游戏 - 开源游戏（PT-BR）。
• Reddit - 数据集 - 数据集论坛。
• UCI - 数据集。

---

许可证

• 许可证：知识共享 署名-相同方式共享 4.0 国际许可协议

game-datasets 快速上手指南

game-datasets 并非一个需要安装的可执行软件或代码库，而是一个精选的游戏人工智能（AI）与数据挖掘（DM）资源清单。它汇集了用于研究、开发和分析的数字游戏数据集、API 接口、开源游戏引擎及相关学术书籍。

本指南将指导开发者如何高效利用该仓库中的资源来构建自己的 AI 应用或数据集。

环境准备

由于本项目是资源索引，无需特定的系统环境，但使用其中的具体资源通常需要以下基础开发环境：

• 操作系统：Windows, macOS 或 Linux 均可。
• 版本控制：已安装 Git，用于克隆相关子项目。
• 编程语言环境（根据目标资源选择）：
  • Python (推荐): 大多数 AI/DM 工具和数据处理脚本基于 Python (需安装 pip, virtualenv)。
  • Node.js: 部分 Web 游戏演示或 API 工具可能需要。
  • C++ / Java: 部分传统游戏引擎或竞赛平台（如 StarCraft AI, Robocode）可能需要。
• 数据科学库 (建议预装)：

  pip install pandas numpy scikit-learn matplotlib
  

• 网络环境：访问 GitHub、Kaggle 及各游戏厂商开发者官网（如 Blizzard, Riot Games, Steam）。
  • 提示：部分国外 API 或数据集下载可能较慢，建议配置合适的网络代理或使用国内镜像源（如清华源、阿里源）安装 Python 依赖。

获取资源

你不需要“安装”此列表，而是需要根据需求克隆仓库或访问链接获取具体数据。

1. 克隆资源索引仓库

方便在本地浏览所有链接和文档：

git clone https://github.com/leomaurodesenv/game-datasets.git
cd game-datasets

2. 获取具体数据集或工具

根据 README 中的分类（如 Dataset, API, Artificial Intelligence），找到你感兴趣的项目链接。

示例：获取《英雄联盟》排名赛数据集 该项目托管在 Kaggle 上，需前往对应页面下载，或使用 Kaggle CLI（如果已配置）：

# 假设已安装 kaggle-cli 并配置了 token
kaggle datasets download -d datasnaek/league-of-legends
unzip league-of-legends.zip

示例：克隆一个 AI 竞赛平台 (如 Malmo/Minecraft)

git clone https://github.com/Microsoft/malmo.git
cd malmo
# 后续需参考该项目自身的 INSTALL.md 进行环境配置

基本使用

使用流程通常为：选择场景 -> 获取数据/引擎 -> 编写分析或训练代码。

场景一：使用现有数据集进行数据分析

以分析 Steam 游戏数据 为例：

1. 查找资源：在列表中定位到 Steam Database 或 Steam Spy 相关条目。
2. 获取数据：访问提供的 GitHub 工具或网站下载 CSV/JSON 数据。
3. 编写代码：使用 Python 进行简单分析。

import pandas as pd

# 假设已下载名为 steam_games.csv 的数据集
df = pd.read_csv('steam_games.csv')

# 简单示例：查看评分最高的前 5 款游戏
top_rated = df.sort_values(by='average_rating', ascending=False).head(5)
print(top_rated[['name', 'average_rating']])

场景二：搭建 AI 训练环境

以 General Video Game AI (GVGAI) 为例，用于训练通用游戏智能体：

1. 访问项目：点击列表中的 General Video Game AI 链接。
2. 下载框架：按照其官方指引下载 Java 框架或 Python 包装器。
3. 运行基准测试：

   # 伪代码示例，具体命令需参考 GVGAI 官方文档
   java -jar gvgai.jar -g zelda -l 0 -p SimpleRandom
   

场景三：调用游戏 API 获取实时数据

以 PokéAPI (宝可梦数据) 为例：

1. 直接调用：无需安装 SDK，直接使用 HTTP 请求。
2. 代码示例：

   import requests
   
   url = "https://pokeapi.co/api/v2/pokemon/ditto"
   response = requests.get(url)
   
   if response.status_code == 200:
       data = response.json()
       print(f"Name: {data['name']}, Height: {data['height']}")
   

核心资源分类速查

• API 接口：适合需要实时数据的应用（如战绩查询、游戏推荐系统）。推荐关注 Riot Games, Steam Web API, IGDB。
• Dataset (数据集)：适合离线训练模型或进行统计分析。推荐关注 Kaggle 托管的 League of Legends, Age of Empires 2 等大规模对局数据。
• Artificial Intelligence (AI 平台)：适合强化学习研究和算法竞赛。推荐 Malmo (Minecraft), StarCraft AI, ViZDoom。
• Books (书籍)：列表底部提供了经典的 AI 与游戏分析教材，建议查阅 Artificial intelligence: a modern approach 和 Game analytics。

注意：本仓库遵循 CC-BY-4.0 协议。在使用具体数据集或工具时，请务必点击对应链接，仔细阅读该项目单独的许可证和使用条款。