Kaggle Dataset และ Python ชุดแรกของคุณ (MLB Databank)

การแนะนำ

หากคุณกำลังคิดที่จะเป็นหรือเพิ่งเคยได้ยินคำว่า “Data Scientist” คุณอาจเคยเจอ Kaggle.com ซึ่งมีชุดข้อมูลจำนวนนับไม่ถ้วนซึ่งครอบคลุมหมวดหมู่และกรณีการใช้งานหลายร้อยรายการ ในตอนแรกอาจดูค่อนข้างล้นหลาม แต่นี่คือรายละเอียดที่ดีเกี่ยวกับวิธีค้นหาชุดข้อมูลที่คุณต้องการ ดาวน์โหลด และนำเข้าลงในสมุดบันทึก Jupyter เพื่อให้คุณสามารถสนุกกับมันได้!

การนำทาง Kaggle

นี่จะเป็นหน้าจอแรกที่คุณจะเห็น:

มีตันอยู่ที่นี่ แต่ไปที่ส่วนที่เกี่ยวข้องสำหรับบทความนี้กันเถอะ ไปที่บานหน้าต่างด้านขวาและคลิกที่ "ชุดข้อมูล" หน้าจอถัดไปนี้ยอดเยี่ยมมาก

คุณสามารถเรียกดูสิ่งนี้ได้หลายชั่วโมง (ดังนั้นโปรดระวัง ฮ่าฮ่า) สำหรับตัวอย่างนี้ ฉันต้องการให้คุณไปที่ลิงก์นี้:https://www.kaggle.com/datasets/open-source-sports/baseball-databank

สิ่งนี้จะนำคุณไปสู่หน้านี้:

ทำความคุ้นเคยกับการอ่านแท็บการ์ดข้อมูลเพื่อทำความคุ้นเคยกับชุดข้อมูลโดยรวม หลังจากที่คุณอ่านจบ ให้คลิกปุ่ม "ดาวน์โหลด" ที่ด้านบนขวาของหน้าจอ การดำเนินการนี้จะดาวน์โหลดไฟล์ zip ที่มีไฟล์ชุดข้อมูลทั้งหมดที่ประกอบกันเป็น databank เปิดเครื่องรูดและวางไว้ในโฟลเดอร์ที่คุณเลือก

รับข้อมูลนี้เข้าสู่ Jupyter Notebook Environment

หากคุณไม่มีสภาพแวดล้อม Jupyter Notebook หรือไม่รู้ว่าฉันกำลังพูดถึงอะไร โปรดดูที่ลิงก์นี้:https://github.com/ant-vessicchio/learn_data_science_through_sportsและเลื่อนลงไปที่ “ก่อนที่เราจะเริ่มต้น” (นี่คือหน้าของหลักสูตร “เรียนรู้วิทยาศาสตร์ข้อมูลผ่านกีฬา” ของฉันที่โฮสต์บน GitHub ของฉัน- เพิ่มเติมในภายหลัง)

เมื่อคุณตั้งค่า Jupyter Notebook Environment แล้ว คุณจะต้องอัปโหลดไฟล์เหล่านี้

ไปที่ด้านบนขวาของพื้นที่ทำงาน Jupyter แล้วคลิกอัปโหลด เลือกไฟล์ทั้งหมดจากโฟลเดอร์ที่คลายซิป

เล่นกับข้อมูลใน Python

เปิดสมุดบันทึก Python ใหม่ (ไฟล์ .ipynb)

เมื่อคุณเปิดไฟล์โน้ตบุ๊กใหม่แล้ว คุณจะต้องนำ csv เข้าสู่สภาพแวดล้อม Python ของคุณ เริ่มด้วยตารางมาสเตอร์

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

      
                

                    
                    
                
            

เราทำอะไรกับชุดข้อมูลนี้ได้บ้าง

ติดตามสมุดบันทึกฉบับสมบูรณ์นี้: การสำรวจธนาคารข้อมูลเบสบอลเพื่อดูบทสรุปของบางสิ่งที่คุณสามารถทำได้ รวมถึงเคล็ดลับและทักษะอันมีค่าที่คุณสามารถนำไปใช้ในฐานะนักวิทยาศาสตร์ข้อมูล

สมุดบันทึกนี้เป็นส่วนหนึ่งของหลักสูตร “เรียนรู้วิทยาศาสตร์ข้อมูลผ่านกีฬา” ทั้งหมดของฉันที่มีให้ใช้งานฟรีบนGitHub ของ ฉัน ฉันขอแนะนำให้คุณติดตามในขณะที่ฉันเพิ่มเนื้อหาเพิ่มเติม และถ้าตัวอย่างนี้สูงเกินไปหรือคุณต้องการทบทวนทักษะ Python พื้นฐานเพิ่มเติม ให้เริ่มหลักสูตรตั้งแต่เริ่มต้น!

ขอบคุณสำหรับการอ่านและฉันหวังว่าคุณจะสนุก!