Seu primeiro Kaggle Dataset e Python (MLB Databank)

Introdução

Se você está pensando em se tornar, ou apenas ouviu o termo “Cientista de Dados”, provavelmente já se deparou com Kaggle.com, onde há uma quantidade aparentemente infinita de conjuntos de dados abrangendo centenas de categorias e casos de uso. Pode parecer bastante complicado no começo, mas aqui está um bom detalhamento de como encontrar um conjunto de dados que você goste, baixá-lo e ingeri-lo em um notebook Jupyter para que você possa se divertir com ele!

Navegando no Kaggle

Esta será a primeira tela que você verá:

Tem uma tonelada aqui. Mas vamos para a seção relevante deste artigo. Vá para o painel direito e clique em “Datasets”. Esta próxima tela é maravilhosa.

Você pode navegar por isso por horas (então tenha cuidado haha). Para este exemplo, quero que você simplesmente acesse este link:https://www.kaggle.com/datasets/open-source-sports/baseball-databank

Isso o levará a esta página:

Acostume-se a ler a guia Cartão de Dados apenas para se familiarizar com o conjunto de dados geral. Depois de ler um pouco, clique no botão “Download” no canto superior direito da tela. Isso fará o download de um arquivo zip contendo todos os arquivos do conjunto de dados que compõem o banco de dados. Descompacte-os e coloque-os em uma pasta de sua escolha.

Obtendo esses dados em um ambiente de notebook Jupyter

Se você não possui um ambiente Jupyter Notebook ou não faz ideia do que estou falando, consulte este link:https://github.com/ant-vessicchio/learn_data_science_through_sportse role para baixo até "Antes de começarmos". (Esta é a página do meu currículo “Learn Data Science Through Sports” hospedado no meu GitHub - mais sobre isso mais tarde).

Depois de configurar um Jupyter Notebook Environment, você desejará carregar esses arquivos.

Navegue para o canto superior direito do seu espaço de trabalho Jupyter e clique em upload. Selecione todos os arquivos da pasta descompactada.

Brincando com os dados em Python

Abra um novo notebook Python (arquivo .ipynb).

Depois de abrir um novo arquivo de bloco de anotações, você desejará ingerir os csvs em seu ambiente Python. Comece com a tabela 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

      
                

                    
                    
                
            

O que podemos fazer com este conjunto de dados?

Acompanhe este notebook completo: Exploração do banco de dados de beisebol para ver um resumo de algumas das coisas que você pode fazer, incluindo dicas e habilidades valiosas que você pode usar como cientista de dados.

Este caderno faz parte de todo o meu currículo “Learn Data Science Through Sports” disponível gratuitamente no meu GitHub . Eu encorajo você a acompanhar enquanto eu adiciono mais conteúdo. E se este exemplo for muito avançado ou você quiser uma atualização sobre algumas habilidades mais básicas do Python, comece o curso desde o início!

Obrigado por ler e espero que tenham gostado!