🏎️ F1 Analysis Platform

Platforma do analizy danych F1 z wykorzystaniem OpenF1 API i MongoDB.

Szybki start

1. Aktywuj środowisko Python

cd /Users/piotradamski/Programowanie/f1analysis
source venv/bin/activate

---

📦 Pipeline danych historycznych

Pobiera dane z OpenF1 API (sesje, okrążenia, kierowcy, pit-stopy, pogoda, race control) i zapisuje do MongoDB.

# Pobierz dane dla 2023 i 2024
python data_pipeline/fetch_history.py

# Tylko rok 2024
python data_pipeline/fetch_history.py --years 2024

# Szybki test (tylko 1 sesja)
python data_pipeline/fetch_history.py --test

Ważne: MongoDB musi być uruchomione przed startem pipeline.
Uruchom: brew services start mongodb-community

Po pobraniu danych otwórz MongoDB Compass → połącz z mongodb://localhost:27017 → baza: f1analysis

---

📊 Live Dashboard

Pokazuje dane na żywo podczas sesji F1 (czasy okrążeń, pozycje, pit-stopy, flagi, pogoda).
Odświeżanie co 5 sekund z OpenF1 API.

cd live_dashboard
python app.py

Otwórz: http://localhost:5000

---

📓 Jupyter Notebook (ML)

cd notebooks
jupyter notebook f1_analysis_template.ipynb

Zawiera:

• Połączenie z MongoDB
• Wykresy (czasy okrążeń, pit-stopy)
• Feature engineering
• Model Random Forest + Gradient Boosting

---

Struktura projektu

f1analysis/
├── venv/                          # Środowisko Python (nie commituj!)
├── requirements.txt               # Biblioteki
├── data_pipeline/
│   └── fetch_history.py           # Pipeline historyczny
├── live_dashboard/
│   ├── app.py                     # Serwer Flask
│   ├── templates/index.html       # Dashboard UI
│   └── static/style.css          # Styl
└── notebooks/
    └── f1_analysis_template.ipynb # Szablon ML

Kolekcje MongoDB (baza: f1analysis)

Kolekcja	Opis
sessions	Sesje F1 (FP1-3, Qualy, Race)
drivers	Kierowcy per sesja
laps	Czasy okrążeń
pit	Pit-stopy
race_control	Flagi, Safety Car, VSC
weather	Temperatura, opady, wiatr
position	Pozycje podczas wyścigu