Il tuo primo set di dati Kaggle e Python (banca dati MLB)

introduzione

Se stai pensando di diventare, o hai anche solo sentito il termine "Data Scientist", probabilmente ti sei imbattuto in Kaggle.com dove c'è una quantità apparentemente infinita di set di dati che coprono centinaia di categorie e casi d'uso. All'inizio può sembrare piuttosto travolgente, ma ecco una bella ripartizione di come trovare un set di dati che ti piace, scaricarlo e inserirlo in un notebook Jupyter in modo che tu possa divertirti!

Navigazione Kaggle

Questa sarà la prima schermata che vedrai:

Ce n'è un sacco qui. Ma andiamo alla sezione pertinente per questo articolo. Vai nel riquadro di destra e fai clic su "Set di dati". Questa schermata successiva è meravigliosa.

Puoi sfogliarlo per ore (quindi fai attenzione ahah). Per questo esempio voglio che tu vada semplicemente a questo link:https://www.kaggle.com/datasets/open-source-sports/baseball-databank

Questo ti porterà a questa pagina:

Abituati a leggere la scheda Scheda dati solo per acquisire familiarità con il set di dati complessivo. Dopo aver letto un po', fai clic sul pulsante "Download" in alto a destra dello schermo. Questo scaricherà un file zip contenente tutti i file del set di dati che compongono la banca dati. Decomprimili e mettili in una cartella a tua scelta.

Ottenere questi dati in un ambiente Jupyter Notebook

Se non si dispone di un ambiente Jupyter Notebook o non si ha idea di cosa sto parlando, fare riferimento a questo collegamento:https://github.com/ant-vessicchio/learn_data_science_through_sportse scorri verso il basso fino a "Prima di iniziare". (Questa è la pagina del mio curriculum "Impara la scienza dei dati attraverso lo sport" ospitato sul mio GitHub, ne parleremo più avanti).

Dopo aver configurato un Jupyter Notebook Environment, ti consigliamo di caricare questi file.

Spostati in alto a destra nell'area di lavoro di Jupyter e fai clic su carica. Seleziona tutti i file dalla cartella decompressa.

Giocare con i dati in Python

Apri un nuovo notebook Python (file .ipynb).

Una volta aperto un nuovo file notebook, vorrai importare i csv nel tuo ambiente Python. Inizia con il tavolo 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

      
                

                    
                    
                
            

Cosa possiamo fare con questo set di dati?

Segui questo taccuino completo: Baseball Databank Exploration per vedere una carrellata di alcune delle cose che puoi fare, inclusi preziosi suggerimenti e abilità che puoi utilizzare come data scientist.

Questo taccuino fa parte del mio intero curriculum "Impara la scienza dei dati attraverso lo sport" disponibile gratuitamente sul mio GitHub . Ti incoraggio a seguire mentre aggiungo altri contenuti. E se questo esempio è troppo avanzato o vuoi un ripasso su alcune abilità di Python di base, inizia il corso dall'inizio!

Grazie per aver letto e spero che ti sia piaciuto!