Votre premier jeu de données Kaggle et Python (MLB Databank)

Introduction

Si vous envisagez de devenir, ou même si vous venez d'entendre le terme «scientifique des données», vous avez probablement rencontré Kaggle.com où il existe une quantité apparemment infinie d'ensembles de données couvrant des centaines de catégories et de cas d'utilisation. Cela peut sembler assez écrasant au début, mais voici une bonne ventilation de la façon de trouver un ensemble de données que vous aimez, de le télécharger et de l'ingérer dans un cahier Jupyter pour que vous puissiez vous amuser avec !

Naviguer dans Kaggle

Ce sera le premier écran que vous verrez :

Il y en a une tonne ici. Mais passons à la section pertinente pour cet article. Allez dans le volet de droite et cliquez sur "Ensembles de données". Ce prochain écran est merveilleux.

Vous pouvez parcourir cela pendant des heures (donc soyez prudent haha). Pour cet exemple, je veux que vous alliez simplement à ce lien :https://www.kaggle.com/datasets/open-source-sports/baseball-databank

Cela vous amènera à cette page :

Habituez-vous à lire l'onglet Carte de données juste pour vous familiariser avec l'ensemble de données global. Après avoir lu un peu, cliquez sur le bouton "Télécharger" en haut à droite de l'écran. Cela téléchargera un fichier zip contenant tous les fichiers d'ensemble de données qui composent la banque de données. Décompressez-les et placez-les dans un dossier de votre choix.

Obtenir ces données dans un environnement de bloc-notes Jupyter

Si vous n'avez pas d'environnement Jupyter Notebook ou si vous ne savez pas de quoi je parle, reportez-vous à ce lien :https://github.com/ant-vessicchio/learn_data_science_through_sportset faites défiler jusqu'à "Avant de commencer". (Ceci est la page de mon programme "Apprendre la science des données par le sport" hébergé sur mon GitHub - plus à ce sujet plus tard).

Une fois que vous avez configuré un environnement de bloc-notes Jupyter, vous voudrez télécharger ces fichiers.

Naviguez en haut à droite de votre espace de travail Jupyter et cliquez sur télécharger. Sélectionnez tous les fichiers du dossier décompressé.

Jouer avec les données en Python

Ouvrez un nouveau bloc-notes Python (fichier .ipynb).

Une fois que vous avez ouvert un nouveau fichier de bloc-notes, vous voudrez ingérer les csv dans votre environnement Python. Commencez par la table principale.

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

      
                

                    
                    
                
            

Que pouvons-nous faire avec cet ensemble de données ?

Suivez ce bloc-notes complet : Exploration de la banque de données de baseball pour voir un aperçu de certaines des choses que vous pouvez faire, y compris des conseils précieux et des compétences que vous pouvez utiliser en tant que data scientist.

Ce cahier fait partie de mon programme complet "Apprendre la science des données par le sport" disponible gratuitement sur mon GitHub . Je vous encourage à suivre pendant que j'ajoute plus de contenu. Et si cet exemple est trop avancé ou si vous souhaitez un rappel sur certaines compétences Python plus basiques, commencez le cours depuis le début !

Merci d'avoir lu et j'espère que vous avez apprécié!