pybbda 0.3.0

皮布达

pybbda是的包 Python棒球数据与分析。在

数据

pybbda旨在为 从各种来源访问棒球数据。 数据公开为pandasDataFrames

它目前支持的数据源有：

• 在

  拉曼数据

  在
• 在

  棒球参考战

  在
• 在

  Fangraphs排行榜和公园因素

  在
• 在

  追溯事件数据

  在
• 在

  Statcast逐节距数据

  在

分析

pybbda还提供分析工具。在

目前支持：

• 在

  马塞尔投影

  在
• 在

  击球轨迹

  在
• 在

  基于马尔可夫链的运行期望

  在

计划在将来的版本中提供以下内容：

• 在

  模拟

  在
• 在

  还有更多。。。！在

  在

安装

此软件包在PyPI上可用，因此您可以使用 pip

$ pip install -U pybbda

或者您可以安装最新的主分支 直接从github repo使用 pip

^{pr2}$

或者下载源代码

$ git clone git@github.com:bdilday/pybbda.git
$ cd pybbda
$ pip install .

要求

此包显式 支持Python 3.6和{}。它的目标 支持Python 3.8，但这不是保证。 它显式地不支持任何版本 在Python 3.6之前，包括Python 2.7。在

安装数据

这个包裹没有任何数据。相反，它提供了工具 从各种来源获取和存储数据。在

要安装数据，您可以使用update工具中的pybbda.data.tools 子模块。在

例如

$ python -m pybbda.data.tools.update -h
usage: update.py [-h][--data-root DATA_ROOT] --data-source
                 {Lahman,BaseballReference,Fangraphs,retrosheet,all}[--make-dirs][--overwrite][--min-year MIN_YEAR][--max-year MAX_YEAR][--num-threads NUM_THREADS]

optional arguments:
  -h, --help            show this help message and exit
  --data-root DATA_ROOT
                        Root directory for data storage
  --data-source {Lahman,BaseballReference,Fangraphs,retrosheet,all}
                        Update source
  --make-dirs           Make root dir if does not exist
  --overwrite           Overwrite files if they exist
  --min-year MIN_YEAR   Min year to download
  --max-year MAX_YEAR   Max year to download
  --num-threads NUM_THREADS
                        Number of threads to use for downloads

数据将下载到--data-root，默认为 PYBBDA_DATA_ROOT

详细说明是provided in the documentation

示例用法

安装部分或全部数据后，可以开始使用 包裹。在

下面是访问Lahman数据的一个例子。 更多examples are included in the documentation

拉曼数据

>>>frompybbda.dataimportLahmanData>>>lahman_data=LahmanData()>>>batting_df=lahman_data.battingINFO:pybbda.data.sources.lahman.data:data:searchingforfile/home/bdilday/.pybbda/data/Lahman/Batting.csv>>>batting_df.head()playerIDyearIDstintteamIDlgIDGABRH2B3BHRRBISBCSBBSOIBBHBPSHSFGIDP0abercda0118711TRONaN14000000.00.00.000.0NaNNaNNaNNaN0.01addybo0118711RC1NaN25118303260013.08.01.040.0NaNNaNNaNNaN0.02allisar0118711CL1NaN29137284045019.03.01.025.0NaNNaNNaNNaN1.03allisdo0118711WS3NaN271332844102227.01.01.002.0NaNNaNNaNNaN0.04ansonca0118711RC1NaN251202939113016.06.02.021.0NaNNaNNaNNaN0.0>>>batting_df.groupby("playerID").HR.sum().sort_values(ascending=False)playerIDbondsba01762aaronha01755ruthba01714rodrial01696mayswi01660...mcconra010mccolal010mccluse010mcclula010aardsda010Name:HR,Length:19689,dtype:int64

CLI工具

运行预期

有一个cli工具用于计算运行预期 马尔可夫链。在

$ python -m pybbda.analysis.run_expectancy.markov.cli --help

这个马尔可夫链使用了 9个击球手，而不是假设每个击球手都有相同的特征。 也可以指定运行概率，尽管它们适用于 所有击球手都一样。在

你可以使用一系列的 概率，或参考球员赛季 格式{playerID}_{season}，其中playerID是 拉赫曼的身份证和季节是4位数的一年。例如，到 参考Rickey Henderson的1982赛季，使用henderi01_1982。在

配置列表是通过在列表槽后加上 5个概率，或一个球员赛季id。0号线槽是一个代码 把所有九个击球手都赋给这个值。任何其他特定插槽 将按说明填写。在

默认情况下，要建模的输出数为3。可以通过设置 环境变量PYBBDA_MAX_OUTS。在

Example：对所有9个插槽使用默认的概率集，而不使用额外的基数

$ python -m pybbda.analysis.run_expectancy.markov.cli -b 00.08 0.15 0.05 0.005 0.03 --running-probs 0000 
mean score per 27outs=3.5227
std. score per 27outs=2.8009

Example：对所有9个插槽使用默认概率集，并使用默认概率获取额外基数

$ python -m pybbda.analysis.run_expectancy.markov.cli -b 00.08 0.15 0.05 0.005 0.03
mean score per 27outs=4.2242
std. score per 27outs=3.0161

Example：对所有9个插槽使用默认的概率集，但是 Rickey Henderson 1982年击球领先（使用27次出局，而不是3次）

$ PYBBDA_MAX_OUTS=27  python -m pybbda.analysis.run_expectancy.markov.cli -b 00.08 0.15 0.05 0.005 0.03 -i 1 henderi01_1982
WARNING:pybbda:__init__:Environment variable PYBBDA_DATA_ROOT is not set, defaulting to /home/bdilday/github/pybbda/pybbda/data/assets
INFO:pybbda.data.sources.lahman.data:data:searching for file /home/bdilday/github/pybbda/pybbda/data/assets/Lahman/Batting.csv
mean score per 27outs=4.3628
std. score per 27outs=3.0999

Example：对所有9个插槽使用默认的概率集，但是 里基·亨德森1982年击球领先，贝比鲁斯1927年击球清理（使用27次出局，而不是3次）

$ PYBBDA_MAX_OUTS=27  python -m pybbda.analysis.run_expectancy.markov.cli -b 00.08 0.15 0.05 0.005 0.03 -i 1 henderi01_1982 -i 4 ruthba01_1927 
WARNING:pybbda:__init__:Environment variable PYBBDA_DATA_ROOT is not set, defaulting to /home/bdilday/github/pybbda/pybbda/data/assets
INFO:pybbda.data.sources.lahman.data:data:searching for file /home/bdilday/github/pybbda/pybbda/data/assets/Lahman/Batting.csv
mean score per 27outs=5.1420
std. score per 27outs=3.3996

贡献

欢迎社会各界捐款。 参见contributing guide。在

许可证

GPLv2

标签：

• 项目

欢迎加入QQ群-->： 979659372

推荐PyPI第三方库

• raspberrysystem

  世界上最有趣的笑话

• cs.pfg.mipago

  Ploneformgen适配器将使用巴斯克政府的支付服务进行支付

• svmon-client-test

  这是svmon客户端的python实现

• pyliburo

  用于城市优化的python库

• extprot

  紧凑、高效、可扩展的二进制序列化格式

• python-digitalocean-backup

  管理数字海洋液滴备份的python模块。

• pipw

  pip在需求文件中保存包的包装器。

• sentry-pivotal

  与关键跟踪器集成的岗哨分机。

• tensorflow-estimator

  张量流估计器。

• newdoc

  从模板生成程序集和模块ascidoc文件的脚本。

• nvstrings-cuda92

  cuda字符串python绑定

• cachepot

  又一个python缓存库

• browserplus

  高级机械化浏览器。

• webapi

  构建web（json-rpc）api的框架。

• test-pkg-evinlort

  小测试包