Dataset dan Python Kaggle pertama Anda (MLB Databank)

Perkenalan

Jika Anda, sedang berpikir untuk menjadi, atau bahkan baru saja mendengar istilah "Ilmuwan Data", Anda mungkin pernah menemukan Kaggle.com di mana ada kumpulan data yang tampaknya tak ada habisnya yang mencakup ratusan kategori dan kasus penggunaan. Ini mungkin terlihat sangat berlebihan pada awalnya, tetapi berikut ini adalah perincian yang bagus tentang cara menemukan kumpulan data yang Anda sukai, mengunduhnya, dan memasukkannya ke dalam notebook Jupyter sehingga Anda dapat bersenang-senang dengannya!

Menavigasi Kaggle

Ini akan menjadi layar pertama yang Anda lihat:

Ada satu ton di sini. Tapi mari kita pergi ke bagian yang relevan untuk artikel ini. Pergi ke panel kanan dan klik "Datasets". Layar berikutnya ini luar biasa.

Anda dapat menelusuri ini selama berjam-jam (jadi berhati-hatilah haha). Untuk contoh ini saya ingin Anda cukup membuka tautan ini:https://www.kaggle.com/datasets/open-source-sports/baseball-databank

Ini akan membawa Anda ke halaman ini:

Biasakan untuk membaca tab Data Card hanya untuk mengenal keseluruhan dataset. Setelah Anda membaca sedikit, klik tombol "Unduh" di kanan atas layar. Ini akan mengunduh file zip yang berisi semua file kumpulan data yang membentuk bank data. Buka zipnya dan letakkan di folder pilihan Anda.

Mendapatkan data ini ke dalam Lingkungan Notebook Jupyter

Jika Anda tidak memiliki lingkungan Notebook Jupyter atau tidak tahu apa yang saya bicarakan, lihat tautan ini:https://github.com/ant-vessicchio/learn_data_science_through_sportsdan gulir ke bawah ke "Before We Begin". (Ini adalah halaman kurikulum "Pelajari Ilmu Data Melalui Olahraga" saya yang dihosting di GitHub saya- lebih lanjut tentang itu nanti).

Setelah Anda menyiapkan Lingkungan Notebook Jupyter, Anda ingin mengunggah file-file ini.

Arahkan ke kanan atas ruang kerja Jupyter Anda dan klik unggah. Pilih semua file dari folder unzip.

Bermain dengan data di Python

Buka notebook Python baru (file .ipynb).

Setelah Anda membuka file notebook baru, Anda ingin memasukkan csv ke dalam lingkungan Python Anda. Mulailah dengan tabel Master.

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

      
                

                    
                    
                
            

Apa yang bisa kita lakukan dengan kumpulan data ini?

Ikuti buku catatan lengkap ini: Penjelajahan Bank Data Bisbol untuk melihat ikhtisar beberapa hal yang dapat Anda lakukan termasuk kiat dan keterampilan berharga yang dapat Anda gunakan sebagai ilmuwan data.

Buku catatan ini adalah bagian dari keseluruhan kurikulum “Pelajari Ilmu Data Melalui Olahraga” yang tersedia secara gratis di GitHub saya . Saya mendorong Anda untuk mengikuti saat saya menambahkan lebih banyak konten. Dan jika contoh ini terlalu lanjut atau Anda ingin penyegaran pada beberapa keterampilan Python yang lebih mendasar, mulailah kursus dari awal!

Terima kasih telah membaca dan saya harap Anda menikmati!