Ihr erster Kaggle-Datensatz und Python (MLB-Datenbank)

Feb 08 2023

Einleitung Wenn Sie darüber nachdenken, „Data Scientist“ zu werden, oder den Begriff „Data Scientist“ auch nur gehört haben, sind Sie wahrscheinlich auf Kaggle.com gestoßen, wo es eine scheinbar endlose Menge an Datensätzen gibt, die sich über Hunderte von Kategorien und Anwendungsfällen erstrecken.

Einführung

Wenn Sie darüber nachdenken, „Data Scientist“ zu werden, oder auch nur den Begriff „Data Scientist“ gehört haben, sind Sie wahrscheinlich auf Kaggle.com gestoßen, wo es eine scheinbar endlose Menge an Datensätzen gibt, die sich über Hunderte von Kategorien und Anwendungsfällen erstrecken. Es mag auf den ersten Blick ziemlich überwältigend erscheinen, aber hier finden Sie eine schöne Übersicht darüber, wie Sie einen Datensatz finden, der Ihnen gefällt, ihn herunterladen und in ein Jupyter-Notizbuch aufnehmen, damit Sie Spaß damit haben können!

Navigieren in Kaggle

Dies ist der erste Bildschirm, den Sie sehen:

Hier gibt es eine Menge. Aber gehen wir zum entsprechenden Abschnitt für diesen Artikel. Gehen Sie in den rechten Bereich und klicken Sie auf „Datensätze“. Dieser nächste Bildschirm ist wunderbar.

Man kann darin stundenlang stöbern (seien Sie also vorsichtig, haha). Für dieses Beispiel möchte ich, dass Sie einfach zu diesem Link gehen:https://www.kaggle.com/datasets/open-source-sports/baseball-databank

Dadurch gelangen Sie zu dieser Seite:

Gewöhnen Sie sich daran, die Registerkarte „Datenkarte“ zu lesen, um sich mit dem Gesamtdatensatz vertraut zu machen. Nachdem Sie etwas gelesen haben, klicken Sie oben rechts auf dem Bildschirm auf die Schaltfläche „Herunterladen“. Dadurch wird eine ZIP-Datei heruntergeladen, die alle Datensatzdateien enthält, aus denen die Datenbank besteht. Entpacken Sie sie und legen Sie sie in einem Ordner Ihrer Wahl ab.

Diese Daten in eine Jupyter Notebook-Umgebung übertragen

Wenn Sie keine Jupyter Notebook-Umgebung haben oder keine Ahnung haben, wovon ich spreche, lesen Sie diesen Link:https://github.com/ant-vessicchio/learn_data_science_through_sportsund scrollen Sie nach unten zu „Before We Begin“. (Dies ist die Seite meines Lehrplans „Learn Data Science Through Sports“, der auf meinem GitHub gehostet wird – mehr dazu später).

Sobald Sie eine Jupyter Notebook-Umgebung eingerichtet haben, möchten Sie diese Dateien hochladen.

Navigieren Sie oben rechts in Ihrem Jupyter-Arbeitsbereich und klicken Sie auf Hochladen. Wählen Sie alle Dateien aus dem entpackten Ordner aus.

Spielen mit den Daten in Python

Öffnen Sie ein neues Python-Notizbuch (.ipynb-Datei).

Sobald Sie eine neue Notebook-Datei geöffnet haben, möchten Sie die CSV-Dateien in Ihre Python-Umgebung aufnehmen. Beginnen Sie mit der Master-Tabelle.

import pandas as pd
master_table = pd.read_csv("Master.csv")
master_table.head() #By default shows the top 5 records in the dataframe

Was können wir mit diesem Datensatz machen?

Folgen Sie diesem vollständigen Notizbuch: „Baseball Databank Exploration“ , um einen Überblick über einige der Dinge zu erhalten, die Sie tun können, einschließlich wertvoller Tipps und Fähigkeiten, die Sie als Datenwissenschaftler nutzen können.

Dieses Notizbuch ist Teil meines gesamten Lehrplans „Learn Data Science Through Sports“, der kostenlos auf meinem GitHub verfügbar ist . Ich ermutige Sie, mitzumachen, wenn ich weitere Inhalte hinzufüge. Und wenn dieses Beispiel zu fortgeschritten ist oder Sie einige grundlegendere Python-Kenntnisse auffrischen möchten, beginnen Sie den Kurs von vorne!