Baseball - Predicting players' salary¶

In this notebook, we will benchmark several of getML's feature learning algorithms against featuretools using a dataset related to baseball players' salary.

Summary:

Prediction type: Regression model
Domain: Sports
Prediction target: Salaries
Population size: 23111

Background¶

In the late 1990s, the Oakland Athletics began focusing on the idea of sabermetrics, using statistical methods to identify undervalued baseball players. This was done to compensate for the fact that the team had a significantly smaller budget than most other teams in its league. Under its general manager Billy Beane, the Oakland Athletics became the first team in over 100 years to win 20 consecutive games in a row, despite still being significantly disadvantaged in terms of its budget. After this remarkable success, the use of sabermetrics quickly became the norm in baseball. These events have been documented in a bestselling book and a movie, both called Moneyball.

In this notebook, we will demonstrate that relational learning can be used for sabermetrics. Specifically, we will develop a model to predict players' salary using getML's statistical relational learning algorithms. Such predictions can then be used to identify undervalued players.

The dataset has been downloaded from the CTU Prague relational learning repository (Motl and Schulte, 2015) (Now residing at relational-data.org.).

We will benchmark getML 's feature learning algorithms against featuretools, an open-source implementation of the propositionalization algorithm, similar to getML's FastProp.

Analysis¶

In [1]:

  Copied!     
 
%pip install -q "getml==1.5.0" "featuretools==1.31.0" "ipywidgets==8.1.5"
%pip install -q "getml==1.5.0" "featuretools==1.31.0" "ipywidgets==8.1.5"

Let's get started with the analysis and set up your session:

In [3]:

  Copied!     
 
import os
os.environ["PYARROW_IGNORE_TIMEZONE"] = "1"

import warnings
warnings.simplefilter(action='ignore', category=FutureWarning)

import numpy as np
import pandas as pd

import featuretools
import woodwork as ww
import getml

print(f"getML API version: {getml.__version__}\n")
import os os.environ["PYARROW_IGNORE_TIMEZONE"] = "1" import warnings warnings.simplefilter(action='ignore', category=FutureWarning) import numpy as np import pandas as pd import featuretools import woodwork as ww import getml print(f"getML API version: {getml.__version__}\n")

getML API version: 1.5.0

In [4]:

  Copied!     
 
getml.engine.launch(allow_remote_ips=True, token='token')
getml.engine.set_project('baseball')
getml.engine.launch(allow_remote_ips=True, token='token') getml.engine.set_project('baseball')

Launching ./getML --allow-push-notifications=true --allow-remote-ips=true --home-directory=/home/user --in-memory=true --install=false --launch-browser=true --log=false --token=token in /home/user/.getML/getml-1.5.0-x64-linux...
Launched the getML Engine. The log output will be stored in /home/user/.getML/logs/20240912133557.log.
  Loading pipelines... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00

Connected to project 'baseball'.

1. Loading data¶

1.1 Download from source¶

We begin by downloading the data:

In [4]:

  Copied!     
 
conn = getml.database.connect_mysql(
    host="db.relational-data.org",
    dbname="lahman_2014",
    port=3306,
    user="guest",
    password="relational"
)

conn
conn = getml.database.connect_mysql( host="db.relational-data.org", dbname="lahman_2014", port=3306, user="guest", password="relational" ) conn

Out[4]:

Connection(dbname='lahman_2014',
           dialect='mysql',
           host='db.relational-data.org',
           port=3306)

In [5]:

  Copied!     
 
def load_if_needed(name):
    """
    Loads the data from the relational learning
    repository, if the data frame has not already
    been loaded.
    """
    if not getml.data.exists(name):
        data_frame = getml.data.DataFrame.from_db(
            name=name,
            table_name=name,
            conn=conn
        )
        data_frame.save()
    else:
        data_frame = getml.data.load_data_frame(name)
    return data_frame
def load_if_needed(name): """ Loads the data from the relational learning repository, if the data frame has not already been loaded. """ if not getml.data.exists(name): data_frame = getml.data.DataFrame.from_db( name=name, table_name=name, conn=conn ) data_frame.save() else: data_frame = getml.data.load_data_frame(name) return data_frame

In [6]:

  Copied!     
 
allstarfull = load_if_needed("allstarfull")
awardsplayers = load_if_needed("awardsplayers")
awardsshareplayers = load_if_needed("awardsshareplayers")
batting = load_if_needed("batting")
battingpost = load_if_needed("battingpost")
fielding = load_if_needed("fielding")
fieldingpost = load_if_needed("fieldingpost")
pitching = load_if_needed("pitching")
pitchingpost = load_if_needed("pitchingpost")
salaries = load_if_needed("salaries")
allstarfull = load_if_needed("allstarfull") awardsplayers = load_if_needed("awardsplayers") awardsshareplayers = load_if_needed("awardsshareplayers") batting = load_if_needed("batting") battingpost = load_if_needed("battingpost") fielding = load_if_needed("fielding") fieldingpost = load_if_needed("fieldingpost") pitching = load_if_needed("pitching") pitchingpost = load_if_needed("pitchingpost") salaries = load_if_needed("salaries")

In [7]:

  Copied!     
 
allstarfull
allstarfull

Out[7]:

name	yearID	gameNum	GP	startingPos	playerID	gameID	teamID	lgID
role	unused_float	unused_float	unused_float	unused_float	unused_string	unused_string	unused_string	unused_string
0	1955	0	1	nan	aaronha01	NLS195507120	ML1	NL
1	1956	0	1	nan	aaronha01	ALS195607100	ML1	NL
2	1957	0	1	9	aaronha01	NLS195707090	ML1	NL
3	1958	0	1	9	aaronha01	ALS195807080	ML1	NL
4	1959	1	1	9	aaronha01	NLS195907070	ML1	NL
	...	...	...	...	...	...	...	...
4826	1978	0	1	9	ziskri01	NLS197807110	TEX	AL
4827	2002	0	1	nan	zitoba01	NLS200207090	OAK	AL
4828	2003	0	0	nan	zitoba01	ALS200307150	OAK	AL
4829	2006	0	1	nan	zitoba01	NLS200607110	OAK	AL
4830	2009	0	1	nan	zobribe01	NLS200907140	TBA	AL

4831 rows x 8 columns
memory usage: 0.45 MB
name: allstarfull
type: getml.DataFrame

In [8]:

  Copied!     
 
awardsplayers
awardsplayers

Out[8]:

name	yearID	playerID	awardID	lgID	tie	notes
role	unused_float	unused_string	unused_string	unused_string	unused_string	unused_string
0	1877	bondto01	Pitching Triple Crown	NL	NULL	NULL
1	1878	hinespa01	Triple Crown	NL	NULL	NULL
2	1884	heckegu01	Pitching Triple Crown	AA	NULL	NULL
3	1884	radboch01	Pitching Triple Crown	NL	NULL	NULL
4	1887	oneilti01	Triple Crown	AA	NULL	NULL
	...	...	...	...	...	...
5790	2012	larocad01	Silver Slugger	NL	NULL	1B
5791	2012	cabremi01	Triple Crown	NL	NULL	NULL
5792	2012	cabremi01	TSN Major League Player of the Y...	ML	NULL	NULL
5793	2012	verlaju01	TSN Pitcher of the Year	AL	Y	NULL
5794	2012	dickera01	TSN Pitcher of the Year	NL	NULL	NULL

5795 rows x 6 columns
memory usage: 0.48 MB
name: awardsplayers
type: getml.DataFrame

In [9]:

  Copied!     
 
awardsshareplayers
awardsshareplayers

Out[9]:

name	yearID	pointsWon	pointsMax	votesFirst	awardID	lgID	playerID
role	unused_float	unused_float	unused_float	unused_float	unused_string	unused_string	unused_string
0	1956	1	16	1	Cy Young	ML	fordwh01
1	1956	4	16	4	Cy Young	ML	maglisa01
2	1956	10	16	10	Cy Young	ML	newcodo01
3	1956	1	16	1	Cy Young	ML	spahnwa01
4	1957	1	16	1	Cy Young	ML	donovdi01
	...	...	...	...	...	...	...
6284	2006	1	160	0	Rookie of the Year	NL	willijo03
6285	2006	101	160	10	Rookie of the Year	NL	zimmery01
6286	2008	3	140	0	Rookie of the Year	AL	devinjo01
6287	2008	158	160	31	Rookie of the Year	NL	sotoge01
6288	2008	9	160	0	Rookie of the Year	NL	volqued01

6289 rows x 7 columns
memory usage: 0.47 MB
name: awardsshareplayers
type: getml.DataFrame

In [10]:

  Copied!     
 
batting
batting

Out[10]:

name	yearID	stint	G	G_batting	AB	R	H	2B	3B	HR	RBI	SB	CS	BB	SO	IBB	HBP	SH	SF	GIDP	G_old	playerID	teamID	lgID
role	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_string	unused_string	unused_string
0	2004	1	11	11	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	11	aardsda01	SFN	NL
1	2006	1	45	43	2	0	0	0	0	0	0	0	0	0	0	0	0	1	0	0	45	aardsda01	CHN	NL
2	2007	1	25	2	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	2	aardsda01	CHA	AL
3	2008	1	47	5	1	0	0	0	0	0	0	0	0	0	1	0	0	0	0	0	5	aardsda01	BOS	AL
4	2009	1	73	3	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	aardsda01	SEA	AL
	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
92348	1959	1	6	6	0	0	0	0	0	0	0	0	0	2	0	0	0	0	0	0	6	zuverge01	BAL	AL
92349	1910	1	27	27	87	7	16	5	0	0	5	1	nan	11	nan	nan	1	1	nan	nan	27	zwilldu01	CHA	AL
92350	1914	1	154	154	592	91	185	38	8	16	95	21	nan	46	68	nan	1	10	nan	nan	154	zwilldu01	CHF	FL
92351	1915	1	150	150	548	65	157	32	7	13	94	24	nan	67	65	nan	2	18	nan	nan	150	zwilldu01	CHF	FL
92352	1916	1	35	35	53	4	6	1	0	1	8	0	nan	4	6	nan	0	2	nan	nan	35	zwilldu01	CHN	NL

92353 rows x 24 columns
memory usage: 19.29 MB
name: batting
type: getml.DataFrame

In [11]:

  Copied!     
 
battingpost
battingpost

Out[11]:

name	yearID	G	AB	R	H	2B	3B	HR	RBI	SB	CS	BB	SO	IBB	HBP	SH	SF	GIDP	round	playerID	teamID	lgID
role	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_string	unused_string	unused_string	unused_string
0	1884	1	2	0	1	0	0	0	0	0	nan	0	0	0	nan	nan	nan	nan	WS	becanbu01	NY4	AA
1	1884	3	10	1	0	0	0	0	0	0	nan	0	1	0	nan	nan	nan	nan	WS	bradyst01	NY4	AA
2	1884	3	10	2	1	0	0	0	1	0	nan	1	1	0	nan	nan	nan	nan	WS	carrocl01	PRO	NL
3	1884	3	9	3	4	0	1	1	2	0	nan	0	3	0	nan	nan	nan	nan	WS	dennyje01	PRO	NL
4	1884	3	10	0	3	1	0	0	0	1	nan	0	3	0	nan	nan	nan	nan	WS	esterdu01	NY4	AA
	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
9793	2012	2	5	1	1	0	0	0	0	0	0	0	2	nan	nan	nan	nan	nan	WS	theriry01	SFN	NL
9794	2012	1	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	WS	valvejo01	DET	AL
9795	2012	1	1	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	WS	verlaju01	DET	AL
9796	2012	1	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	WS	vogelry01	SFN	NL
9797	2012	1	2	0	1	0	0	0	1	0	0	0	1	nan	nan	nan	nan	nan	WS	zitoba01	SFN	NL

9798 rows x 22 columns
memory usage: 1.93 MB
name: battingpost
type: getml.DataFrame

In [12]:

  Copied!     
 
fielding
fielding

Out[12]:

name	yearID	stint	G	GS	InnOuts	PO	A	E	DP	PB	WP	SB	CS	ZR	playerID	teamID	lgID	POS
role	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_string	unused_string	unused_string	unused_string
0	2004	1	11	0	32	0	0	0	0	nan	nan	nan	nan	nan	aardsda01	SFN	NL	P
1	2006	1	45	0	159	1	5	0	1	nan	nan	nan	nan	nan	aardsda01	CHN	NL	P
2	2007	1	25	0	97	2	4	1	0	nan	nan	nan	nan	nan	aardsda01	CHA	AL	P
3	2008	1	47	0	146	3	6	0	0	nan	nan	nan	nan	nan	aardsda01	BOS	AL	P
4	2009	1	73	0	214	2	5	0	1	0	nan	0	0	nan	aardsda01	SEA	AL	P
	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
137970	1910	1	27	nan	nan	45	2	3	1	nan	nan	nan	nan	nan	zwilldu01	CHA	AL	OF
137971	1914	1	154	nan	nan	340	15	14	3	nan	nan	nan	nan	nan	zwilldu01	CHF	FL	OF
137972	1915	1	3	nan	nan	3	0	0	0	nan	nan	nan	nan	nan	zwilldu01	CHF	FL	1B
137973	1915	1	148	nan	nan	356	20	8	6	nan	nan	nan	nan	nan	zwilldu01	CHF	FL	OF
137974	1916	1	10	nan	nan	11	0	0	0	nan	nan	nan	nan	nan	zwilldu01	CHN	NL	OF

137975 rows x 18 columns
memory usage: 22.57 MB
name: fielding
type: getml.DataFrame

In [13]:

  Copied!     
 
fieldingpost
fieldingpost

Out[13]:

name	yearID	G	GS	InnOuts	PO	A	E	DP	TP	PB	SB	CS	playerID	teamID	lgID	round	POS
role	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_string	unused_string	unused_string	unused_string	unused_string
0	1957	7	7	186	11	0	0	0	0	nan	nan	nan	aaronha01	ML1	NL	WS	CF
1	1958	1	1	21	2	0	0	0	0	nan	nan	nan	aaronha01	ML1	NL	WS	CF
2	1958	7	6	168	13	0	0	0	0	nan	nan	nan	aaronha01	ML1	NL	WS	RF
3	1969	3	3	78	5	1	0	0	0	nan	nan	nan	aaronha01	ATL	NL	NLCS	RF
4	1979	2	0	15	0	1	0	0	0	nan	0	0	aasedo01	CAL	AL	ALCS	P
	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
10341	2006	1	1	24	0	1	0	0	0	nan	0	1	zitoba01	OAK	AL	ALDS2	P
10342	2012	1	1	23	0	1	0	0	0	0	0	0	zitoba01	SFN	NL	NLCS	P
10343	2012	1	1	8	0	0	0	0	0	0	0	0	zitoba01	SFN	NL	NLDS2	P
10344	2012	1	1	17	0	0	0	0	0	0	0	0	zitoba01	SFN	NL	WS	P
10345	1946	1	0	6	0	0	0	0	0	nan	0	0	zuberbi01	BOS	AL	WS	P

10346 rows x 17 columns
memory usage: 1.65 MB
name: fieldingpost
type: getml.DataFrame

In [14]:

  Copied!     
 
pitching
pitching

Out[14]:

name	yearID	stint	W	L	G	GS	CG	SHO	SV	IPouts	H	ER	HR	BB	SO	BAOpp	ERA	IBB	WP	HBP	BK	BFP	GF	R	SH	SF	GIDP	playerID	teamID	lgID
role	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_string	unused_string	unused_string
0	2004	1	1	0	11	0	0	0	0	32	20	8	1	10	5	0	6	0	0	2	0	61	5	8	nan	nan	nan	aardsda01	SFN	NL
1	2006	1	3	0	45	0	0	0	0	159	41	24	9	28	49	nan	4	0	1	1	0	225	9	25	nan	nan	nan	aardsda01	CHN	NL
2	2007	1	2	1	25	0	0	0	0	97	39	23	4	17	36	nan	6	3	2	1	0	151	7	24	nan	nan	nan	aardsda01	CHA	AL
3	2008	1	4	2	47	0	0	0	0	146	49	30	4	35	49	nan	5	2	3	5	0	228	7	32	nan	nan	nan	aardsda01	BOS	AL
4	2009	1	3	6	73	0	0	0	38	214	49	20	4	34	80	nan	2	3	2	0	0	296	53	23	nan	nan	nan	aardsda01	SEA	AL
	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
39356	1955	2	4	3	28	5	0	0	4	259	80	21	5	17	31	0	2	1	2	4	0	333	16	28	nan	nan	nan	zuverge01	BAL	AL
39357	1956	1	7	6	62	0	0	0	16	292	112	45	6	34	33	0	4	9	1	3	1	432	40	52	nan	nan	nan	zuverge01	BAL	AL
39358	1957	1	10	6	56	0	0	0	9	338	105	31	9	39	36	0	2	13	1	4	0	475	37	37	nan	nan	nan	zuverge01	BAL	AL
39359	1958	1	2	2	45	0	0	0	7	207	74	26	4	17	22	0	3	3	2	6	0	294	23	29	nan	nan	nan	zuverge01	BAL	AL
39360	1959	1	0	1	6	0	0	0	0	39	15	6	1	6	1	0	4	0	1	0	0	55	1	7	nan	nan	nan	zuverge01	BAL	AL

39361 rows x 30 columns
memory usage: 10.11 MB
name: pitching
type: getml.DataFrame

In [15]:

  Copied!     
 
pitchingpost
pitchingpost

Out[15]:

name	yearID	W	L	G	GS	CG	SHO	SV	IPouts	H	ER	HR	BB	SO	BAOpp	ERA	IBB	WP	HBP	BK	BFP	GF	R	SH	SF	GIDP	playerID	round	teamID	lgID
role	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float	unused_string	unused_string	unused_string	unused_string
0	1979	1	0	2	0	0	0	0	15	4	1	0	2	6	0	1	1	0	0	0	20	2	1	0	1	0	aasedo01	ALCS	CAL	AL
1	1975	0	0	1	0	0	0	0	3	0	0	0	0	0	0	0	0	0	0	0	3	1	0	0	0	0	abbotgl01	ALCS	OAK	AL
2	2000	0	1	1	1	0	0	0	15	3	3	1	3	3	0	5	0	0	0	0	21	0	3	0	0	0	abbotpa01	ALCS	SEA	AL
3	2000	1	0	1	1	0	0	0	17	5	1	0	3	1	0	1	0	0	1	0	25	0	2	0	1	1	abbotpa01	ALDS2	SEA	AL
4	2001	0	0	1	1	0	0	0	15	0	0	0	8	2	0	0	0	0	0	0	21	0	0	1	0	0	abbotpa01	ALCS	SEA	AL
	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
4192	2006	1	0	1	1	0	0	0	24	4	1	1	3	1	0	1	0	0	0	0	30	0	1	1	0	0	zitoba01	ALDS2	OAK	AL
4193	2012	1	0	1	1	0	0	0	23	6	0	0	1	6	0	0	1	0	0	nan	29	0	0	nan	nan	1	zitoba01	NLCS	SFN	NL
4194	2012	0	0	1	1	0	0	0	7	4	2	1	4	4	0	6	0	0	0	nan	16	0	2	nan	nan	0	zitoba01	NLDS2	SFN	NL
4195	2012	1	0	1	1	0	0	0	17	6	1	0	1	3	0	1	0	0	0	nan	23	0	1	nan	nan	1	zitoba01	WS	SFN	NL
4196	1946	0	0	1	0	0	0	0	6	3	1	0	1	1	0	4	1	0	0	0	9	0	1	0	0	1	zuberbi01	WS	BOS	AL

4197 rows x 30 columns
memory usage: 1.10 MB
name: pitchingpost
type: getml.DataFrame

In [16]:

  Copied!     
 
salaries
salaries

Out[16]:

name	yearID	salary	teamID	lgID	playerID
role	unused_float	unused_float	unused_string	unused_string	unused_string
0	1985	870000	ATL	NL	barkele01
1	1985	550000	ATL	NL	bedrost01
2	1985	545000	ATL	NL	benedbr01
3	1985	633333	ATL	NL	campri01
4	1985	625000	ATL	NL	ceronri01
	...	...	...	...	...
23106	2012	750000	WAS	NL	tracych01
23107	2012	4000000	WAS	NL	wangch01
23108	2012	13571428	WAS	NL	werthja01
23109	2012	2300000	WAS	NL	zimmejo02
23110	2012	12000000	WAS	NL	zimmery01

23111 rows x 5 columns
memory usage: 1.31 MB
name: salaries
type: getml.DataFrame

1.2 Prepare data for getML¶

getML requires that we define roles for each of the columns.

In [17]:

  Copied!     
 
allstarfull["year"] = allstarfull["yearID"].as_str().as_ts(["%Y"])

allstarfull.set_role(["playerID"], getml.data.roles.join_key)
allstarfull.set_role(allstarfull.roles.unused_string, getml.data.roles.categorical)
allstarfull.set_role(allstarfull.roles.unused_float, getml.data.roles.numerical)
allstarfull.set_role("year", getml.data.roles.time_stamp)

allstarfull.set_role("yearID", getml.data.roles.unused_float)

allstarfull
allstarfull["year"] = allstarfull["yearID"].as_str().as_ts(["%Y"]) allstarfull.set_role(["playerID"], getml.data.roles.join_key) allstarfull.set_role(allstarfull.roles.unused_string, getml.data.roles.categorical) allstarfull.set_role(allstarfull.roles.unused_float, getml.data.roles.numerical) allstarfull.set_role("year", getml.data.roles.time_stamp) allstarfull.set_role("yearID", getml.data.roles.unused_float) allstarfull

Out[17]:

name	year	playerID	gameID	teamID	lgID	gameNum	GP	startingPos	yearID
role	time_stamp	join_key	categorical	categorical	categorical	numerical	numerical	numerical	unused_float
unit	time stamp, comparison only
0	1955-01-01	aaronha01	NLS195507120	ML1	NL	0	1	nan	1955
1	1956-01-01	aaronha01	ALS195607100	ML1	NL	0	1	nan	1956
2	1957-01-01	aaronha01	NLS195707090	ML1	NL	0	1	9	1957
3	1958-01-01	aaronha01	ALS195807080	ML1	NL	0	1	9	1958
4	1959-01-01	aaronha01	NLS195907070	ML1	NL	1	1	9	1959
	...	...	...	...	...	...	...	...	...
4826	1978-01-01	ziskri01	NLS197807110	TEX	AL	0	1	9	1978
4827	2002-01-01	zitoba01	NLS200207090	OAK	AL	0	1	nan	2002
4828	2003-01-01	zitoba01	ALS200307150	OAK	AL	0	0	nan	2003
4829	2006-01-01	zitoba01	NLS200607110	OAK	AL	0	1	nan	2006
4830	2009-01-01	zobribe01	NLS200907140	TBA	AL	0	1	nan	2009

4831 rows x 9 columns
memory usage: 0.27 MB
name: allstarfull
type: getml.DataFrame

In [18]:

  Copied!     
 
awardsplayers["year"] = awardsplayers["yearID"].as_str().as_ts(["%Y"])

awardsplayers.set_role(["playerID"], getml.data.roles.join_key)
awardsplayers.set_role(["awardID", "lgID", "notes"], getml.data.roles.categorical)
awardsplayers.set_role("year", getml.data.roles.time_stamp)

awardsplayers
awardsplayers["year"] = awardsplayers["yearID"].as_str().as_ts(["%Y"]) awardsplayers.set_role(["playerID"], getml.data.roles.join_key) awardsplayers.set_role(["awardID", "lgID", "notes"], getml.data.roles.categorical) awardsplayers.set_role("year", getml.data.roles.time_stamp) awardsplayers

Out[18]:

name	year	playerID	awardID	lgID	notes	yearID	tie
role	time_stamp	join_key	categorical	categorical	categorical	unused_float	unused_string
unit	time stamp, comparison only
0	1877-01-01	bondto01	Pitching Triple Crown	NL	NULL	1877	NULL
1	1878-01-01	hinespa01	Triple Crown	NL	NULL	1878	NULL
2	1884-01-01	heckegu01	Pitching Triple Crown	AA	NULL	1884	NULL
3	1884-01-01	radboch01	Pitching Triple Crown	NL	NULL	1884	NULL
4	1887-01-01	oneilti01	Triple Crown	AA	NULL	1887	NULL
	...	...	...	...	...	...	...
5790	2012-01-01	larocad01	Silver Slugger	NL	1B	2012	NULL
5791	2012-01-01	cabremi01	Triple Crown	NL	NULL	2012	NULL
5792	2012-01-01	cabremi01	TSN Major League Player of the Y...	ML	NULL	2012	NULL
5793	2012-01-01	verlaju01	TSN Pitcher of the Year	AL	NULL	2012	Y
5794	2012-01-01	dickera01	TSN Pitcher of the Year	NL	NULL	2012	NULL

5795 rows x 7 columns
memory usage: 0.24 MB
name: awardsplayers
type: getml.DataFrame

In [19]:

  Copied!     
 
awardsshareplayers["year"] = awardsshareplayers["yearID"].as_str().as_ts(["%Y"])

awardsshareplayers.set_role(["playerID"], getml.data.roles.join_key)
awardsshareplayers.set_role(awardsshareplayers.roles.unused_float, getml.data.roles.numerical)
awardsshareplayers.set_role(awardsshareplayers.roles.unused_string, getml.data.roles.categorical)
awardsshareplayers.set_role("yearID", getml.data.roles.unused_float)
awardsshareplayers.set_role("year", getml.data.roles.time_stamp)

awardsshareplayers
awardsshareplayers["year"] = awardsshareplayers["yearID"].as_str().as_ts(["%Y"]) awardsshareplayers.set_role(["playerID"], getml.data.roles.join_key) awardsshareplayers.set_role(awardsshareplayers.roles.unused_float, getml.data.roles.numerical) awardsshareplayers.set_role(awardsshareplayers.roles.unused_string, getml.data.roles.categorical) awardsshareplayers.set_role("yearID", getml.data.roles.unused_float) awardsshareplayers.set_role("year", getml.data.roles.time_stamp) awardsshareplayers

Out[19]:

name	year	playerID	awardID	lgID	pointsWon	pointsMax	votesFirst	yearID
role	time_stamp	join_key	categorical	categorical	numerical	numerical	numerical	unused_float
unit	time stamp, comparison only
0	1956-01-01	fordwh01	Cy Young	ML	1	16	1	1956
1	1956-01-01	maglisa01	Cy Young	ML	4	16	4	1956
2	1956-01-01	newcodo01	Cy Young	ML	10	16	10	1956
3	1956-01-01	spahnwa01	Cy Young	ML	1	16	1	1956
4	1957-01-01	donovdi01	Cy Young	ML	1	16	1	1957
	...	...	...	...	...	...	...	...
6284	2006-01-01	willijo03	Rookie of the Year	NL	1	160	0	2006
6285	2006-01-01	zimmery01	Rookie of the Year	NL	101	160	10	2006
6286	2008-01-01	devinjo01	Rookie of the Year	AL	3	140	0	2008
6287	2008-01-01	sotoge01	Rookie of the Year	NL	158	160	31	2008
6288	2008-01-01	volqued01	Rookie of the Year	NL	9	160	0	2008

6289 rows x 8 columns
memory usage: 0.33 MB
name: awardsshareplayers
type: getml.DataFrame

In [20]:

  Copied!     
 
batting["year"] = batting["yearID"].as_str().as_ts(["%Y"])

batting.set_role(["playerID", "teamID"], getml.data.roles.join_key)
batting.set_role(batting.roles.unused_float, getml.data.roles.numerical)
batting.set_role(batting.roles.unused_string, getml.data.roles.categorical)
batting.set_role("yearID", getml.data.roles.unused_float)
batting.set_role("year", getml.data.roles.time_stamp)

batting
batting["year"] = batting["yearID"].as_str().as_ts(["%Y"]) batting.set_role(["playerID", "teamID"], getml.data.roles.join_key) batting.set_role(batting.roles.unused_float, getml.data.roles.numerical) batting.set_role(batting.roles.unused_string, getml.data.roles.categorical) batting.set_role("yearID", getml.data.roles.unused_float) batting.set_role("year", getml.data.roles.time_stamp) batting

Out[20]:

name	year	playerID	teamID	lgID	stint	G	G_batting	AB	R	H	2B	3B	HR	RBI	SB	CS	BB	SO	IBB	HBP	SH	SF	GIDP	G_old	yearID
role	time_stamp	join_key	join_key	categorical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	unused_float
unit	time stamp, comparison only
0	2004-01-01	aardsda01	SFN	NL	1	11	11	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	11	2004
1	2006-01-01	aardsda01	CHN	NL	1	45	43	2	0	0	0	0	0	0	0	0	0	0	0	0	1	0	0	45	2006
2	2007-01-01	aardsda01	CHA	AL	1	25	2	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	2	2007
3	2008-01-01	aardsda01	BOS	AL	1	47	5	1	0	0	0	0	0	0	0	0	0	1	0	0	0	0	0	5	2008
4	2009-01-01	aardsda01	SEA	AL	1	73	3	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	2009
	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
92348	1959-01-01	zuverge01	BAL	AL	1	6	6	0	0	0	0	0	0	0	0	0	2	0	0	0	0	0	0	6	1959
92349	1910-01-01	zwilldu01	CHA	AL	1	27	27	87	7	16	5	0	0	5	1	nan	11	nan	nan	1	1	nan	nan	27	1910
92350	1914-01-01	zwilldu01	CHF	FL	1	154	154	592	91	185	38	8	16	95	21	nan	46	68	nan	1	10	nan	nan	154	1914
92351	1915-01-01	zwilldu01	CHF	FL	1	150	150	548	65	157	32	7	13	94	24	nan	67	65	nan	2	18	nan	nan	150	1915
92352	1916-01-01	zwilldu01	CHN	NL	1	35	35	53	4	6	1	0	1	8	0	nan	4	6	nan	0	2	nan	nan	35	1916

92353 rows x 25 columns
memory usage: 17.36 MB
name: batting
type: getml.DataFrame

In [21]:

  Copied!     
 
battingpost["year"] = battingpost["yearID"].as_str().as_ts(["%Y"])

battingpost.set_role(["playerID", "teamID"], getml.data.roles.join_key)
battingpost.set_role(battingpost.roles.unused_float, getml.data.roles.numerical)
battingpost.set_role(battingpost.roles.unused_string, getml.data.roles.categorical)
battingpost.set_role("yearID", getml.data.roles.unused_float)
battingpost.set_role("year", getml.data.roles.time_stamp)

battingpost
battingpost["year"] = battingpost["yearID"].as_str().as_ts(["%Y"]) battingpost.set_role(["playerID", "teamID"], getml.data.roles.join_key) battingpost.set_role(battingpost.roles.unused_float, getml.data.roles.numerical) battingpost.set_role(battingpost.roles.unused_string, getml.data.roles.categorical) battingpost.set_role("yearID", getml.data.roles.unused_float) battingpost.set_role("year", getml.data.roles.time_stamp) battingpost

Out[21]:

name	year	playerID	teamID	round	lgID	G	AB	R	H	2B	3B	HR	RBI	SB	CS	BB	SO	IBB	HBP	SH	SF	GIDP	yearID
role	time_stamp	join_key	join_key	categorical	categorical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	unused_float
unit	time stamp, comparison only
0	1884-01-01	becanbu01	NY4	WS	AA	1	2	0	1	0	0	0	0	0	nan	0	0	0	nan	nan	nan	nan	1884
1	1884-01-01	bradyst01	NY4	WS	AA	3	10	1	0	0	0	0	0	0	nan	0	1	0	nan	nan	nan	nan	1884
2	1884-01-01	carrocl01	PRO	WS	NL	3	10	2	1	0	0	0	1	0	nan	1	1	0	nan	nan	nan	nan	1884
3	1884-01-01	dennyje01	PRO	WS	NL	3	9	3	4	0	1	1	2	0	nan	0	3	0	nan	nan	nan	nan	1884
4	1884-01-01	esterdu01	NY4	WS	AA	3	10	0	3	1	0	0	0	1	nan	0	3	0	nan	nan	nan	nan	1884
	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
9793	2012-01-01	theriry01	SFN	WS	NL	2	5	1	1	0	0	0	0	0	0	0	2	nan	nan	nan	nan	nan	2012
9794	2012-01-01	valvejo01	DET	WS	AL	1	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	2012
9795	2012-01-01	verlaju01	DET	WS	AL	1	1	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	2012
9796	2012-01-01	vogelry01	SFN	WS	NL	1	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	2012
9797	2012-01-01	zitoba01	SFN	WS	NL	1	2	0	1	0	0	0	1	0	0	0	1	nan	nan	nan	nan	nan	2012

9798 rows x 23 columns
memory usage: 1.65 MB
name: battingpost
type: getml.DataFrame

In [22]:

  Copied!     
 
fielding["year"] = fielding["yearID"].as_str().as_ts(["%Y"])

fielding.set_role(["playerID", "teamID"], getml.data.roles.join_key)
fielding.set_role(["stint", "G","GS","InnOuts", "PO", "A", "E", "DP"], getml.data.roles.numerical)
fielding.set_role(fielding.roles.unused_string, getml.data.roles.categorical)
fielding.set_role("year", getml.data.roles.time_stamp)

fielding
fielding["year"] = fielding["yearID"].as_str().as_ts(["%Y"]) fielding.set_role(["playerID", "teamID"], getml.data.roles.join_key) fielding.set_role(["stint", "G","GS","InnOuts", "PO", "A", "E", "DP"], getml.data.roles.numerical) fielding.set_role(fielding.roles.unused_string, getml.data.roles.categorical) fielding.set_role("year", getml.data.roles.time_stamp) fielding

Out[22]:

name	year	playerID	teamID	lgID	POS	stint	G	GS	InnOuts	PO	A	E	DP	yearID	PB	WP	SB	CS	ZR
role	time_stamp	join_key	join_key	categorical	categorical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	unused_float	unused_float	unused_float	unused_float	unused_float	unused_float
unit	time stamp, comparison only
0	2004-01-01	aardsda01	SFN	NL	P	1	11	0	32	0	0	0	0	2004	nan	nan	nan	nan	nan
1	2006-01-01	aardsda01	CHN	NL	P	1	45	0	159	1	5	0	1	2006	nan	nan	nan	nan	nan
2	2007-01-01	aardsda01	CHA	AL	P	1	25	0	97	2	4	1	0	2007	nan	nan	nan	nan	nan
3	2008-01-01	aardsda01	BOS	AL	P	1	47	0	146	3	6	0	0	2008	nan	nan	nan	nan	nan
4	2009-01-01	aardsda01	SEA	AL	P	1	73	0	214	2	5	0	1	2009	0	nan	0	0	nan
	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
137970	1910-01-01	zwilldu01	CHA	AL	OF	1	27	nan	nan	45	2	3	1	1910	nan	nan	nan	nan	nan
137971	1914-01-01	zwilldu01	CHF	FL	OF	1	154	nan	nan	340	15	14	3	1914	nan	nan	nan	nan	nan
137972	1915-01-01	zwilldu01	CHF	FL	1B	1	3	nan	nan	3	0	0	0	1915	nan	nan	nan	nan	nan
137973	1915-01-01	zwilldu01	CHF	FL	OF	1	148	nan	nan	356	20	8	6	1915	nan	nan	nan	nan	nan
137974	1916-01-01	zwilldu01	CHN	NL	OF	1	10	nan	nan	11	0	0	0	1916	nan	nan	nan	nan	nan

137975 rows x 19 columns
memory usage: 18.76 MB
name: fielding
type: getml.DataFrame

In [23]:

  Copied!     
 
fieldingpost["year"] = fieldingpost["yearID"].as_str().as_ts(["%Y"])

fieldingpost.set_role(["playerID", "teamID"], getml.data.roles.join_key)
fieldingpost.set_role(["G", "GS", "InnOuts", "PO", "A", "E", "DP", "TP", "SB", "CS"], getml.data.roles.numerical)
fieldingpost.set_role(fieldingpost.roles.unused_string, getml.data.roles.categorical)
fieldingpost.set_role("year", getml.data.roles.time_stamp)

fieldingpost
fieldingpost["year"] = fieldingpost["yearID"].as_str().as_ts(["%Y"]) fieldingpost.set_role(["playerID", "teamID"], getml.data.roles.join_key) fieldingpost.set_role(["G", "GS", "InnOuts", "PO", "A", "E", "DP", "TP", "SB", "CS"], getml.data.roles.numerical) fieldingpost.set_role(fieldingpost.roles.unused_string, getml.data.roles.categorical) fieldingpost.set_role("year", getml.data.roles.time_stamp) fieldingpost

Out[23]:

name	year	playerID	teamID	lgID	round	POS	G	GS	InnOuts	PO	A	E	DP	TP	SB	CS	yearID	PB
role	time_stamp	join_key	join_key	categorical	categorical	categorical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	unused_float	unused_float
unit	time stamp, comparison only
0	1957-01-01	aaronha01	ML1	NL	WS	CF	7	7	186	11	0	0	0	0	nan	nan	1957	nan
1	1958-01-01	aaronha01	ML1	NL	WS	CF	1	1	21	2	0	0	0	0	nan	nan	1958	nan
2	1958-01-01	aaronha01	ML1	NL	WS	RF	7	6	168	13	0	0	0	0	nan	nan	1958	nan
3	1969-01-01	aaronha01	ATL	NL	NLCS	RF	3	3	78	5	1	0	0	0	nan	nan	1969	nan
4	1979-01-01	aasedo01	CAL	AL	ALCS	P	2	0	15	0	1	0	0	0	0	0	1979	nan
	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
10341	2006-01-01	zitoba01	OAK	AL	ALDS2	P	1	1	24	0	1	0	0	0	0	1	2006	nan
10342	2012-01-01	zitoba01	SFN	NL	NLCS	P	1	1	23	0	1	0	0	0	0	0	2012	0
10343	2012-01-01	zitoba01	SFN	NL	NLDS2	P	1	1	8	0	0	0	0	0	0	0	2012	0
10344	2012-01-01	zitoba01	SFN	NL	WS	P	1	1	17	0	0	0	0	0	0	0	2012	0
10345	1946-01-01	zuberbi01	BOS	AL	WS	P	1	0	6	0	0	0	0	0	0	0	1946	nan

10346 rows x 18 columns
memory usage: 1.28 MB
name: fieldingpost
type: getml.DataFrame

In [24]:

  Copied!     
 
pitching["year"] = pitching["yearID"].as_str().as_ts(["%Y"])

pitching.set_role(["playerID", "teamID"], getml.data.roles.join_key)
pitching.set_role([
    "stint", 
    "W", 
    "L", 
    "G", 
    "GS", 
    "CG", 
    "SHO", 
    "SV", 
    "IPouts", 
    "H", 
    "ER", 
    "HR", 
    "BB", 
    "SO", 
    "BAOpp", 
    "ERA", 
    "IBB", 
    "WP", 
    "HBP", 
    "BK", 
    "BFP", 
    "GF", 
    "R"], getml.data.roles.numerical)
pitching.set_role(pitching.roles.unused_string, getml.data.roles.categorical)
pitching.set_role("yearID", getml.data.roles.unused_float)
pitching.set_role("year", getml.data.roles.time_stamp)

pitching
pitching["year"] = pitching["yearID"].as_str().as_ts(["%Y"]) pitching.set_role(["playerID", "teamID"], getml.data.roles.join_key) pitching.set_role([ "stint", "W", "L", "G", "GS", "CG", "SHO", "SV", "IPouts", "H", "ER", "HR", "BB", "SO", "BAOpp", "ERA", "IBB", "WP", "HBP", "BK", "BFP", "GF", "R"], getml.data.roles.numerical) pitching.set_role(pitching.roles.unused_string, getml.data.roles.categorical) pitching.set_role("yearID", getml.data.roles.unused_float) pitching.set_role("year", getml.data.roles.time_stamp) pitching

Out[24]:

name	year	playerID	teamID	lgID	stint	W	L	G	GS	CG	SHO	SV	IPouts	H	ER	HR	BB	SO	BAOpp	ERA	IBB	WP	HBP	BK	BFP	GF	R	yearID	SH	SF	GIDP
role	time_stamp	join_key	join_key	categorical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	unused_float	unused_float	unused_float	unused_float
unit	time stamp, comparison only
0	2004-01-01	aardsda01	SFN	NL	1	1	0	11	0	0	0	0	32	20	8	1	10	5	0	6	0	0	2	0	61	5	8	2004	nan	nan	nan
1	2006-01-01	aardsda01	CHN	NL	1	3	0	45	0	0	0	0	159	41	24	9	28	49	nan	4	0	1	1	0	225	9	25	2006	nan	nan	nan
2	2007-01-01	aardsda01	CHA	AL	1	2	1	25	0	0	0	0	97	39	23	4	17	36	nan	6	3	2	1	0	151	7	24	2007	nan	nan	nan
3	2008-01-01	aardsda01	BOS	AL	1	4	2	47	0	0	0	0	146	49	30	4	35	49	nan	5	2	3	5	0	228	7	32	2008	nan	nan	nan
4	2009-01-01	aardsda01	SEA	AL	1	3	6	73	0	0	0	38	214	49	20	4	34	80	nan	2	3	2	0	0	296	53	23	2009	nan	nan	nan
	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
39356	1955-01-01	zuverge01	BAL	AL	2	4	3	28	5	0	0	4	259	80	21	5	17	31	0	2	1	2	4	0	333	16	28	1955	nan	nan	nan
39357	1956-01-01	zuverge01	BAL	AL	1	7	6	62	0	0	0	16	292	112	45	6	34	33	0	4	9	1	3	1	432	40	52	1956	nan	nan	nan
39358	1957-01-01	zuverge01	BAL	AL	1	10	6	56	0	0	0	9	338	105	31	9	39	36	0	2	13	1	4	0	475	37	37	1957	nan	nan	nan
39359	1958-01-01	zuverge01	BAL	AL	1	2	2	45	0	0	0	7	207	74	26	4	17	22	0	3	3	2	6	0	294	23	29	1958	nan	nan	nan
39360	1959-01-01	zuverge01	BAL	AL	1	0	1	6	0	0	0	0	39	15	6	1	6	1	0	4	0	1	0	0	55	1	7	1959	nan	nan	nan

39361 rows x 31 columns
memory usage: 9.29 MB
name: pitching
type: getml.DataFrame

In [25]:

  Copied!     
 
pitchingpost["year"] = pitchingpost["yearID"].as_str().as_ts(["%Y"])

pitchingpost.set_role(["playerID", "teamID"], getml.data.roles.join_key)
pitchingpost.set_role(pitchingpost.roles.unused_float, getml.data.roles.numerical)
pitchingpost.set_role(pitchingpost.roles.unused_string, getml.data.roles.categorical)
pitchingpost.set_role("yearID", getml.data.roles.unused_float)
pitchingpost.set_role("year", getml.data.roles.time_stamp)

pitchingpost
pitchingpost["year"] = pitchingpost["yearID"].as_str().as_ts(["%Y"]) pitchingpost.set_role(["playerID", "teamID"], getml.data.roles.join_key) pitchingpost.set_role(pitchingpost.roles.unused_float, getml.data.roles.numerical) pitchingpost.set_role(pitchingpost.roles.unused_string, getml.data.roles.categorical) pitchingpost.set_role("yearID", getml.data.roles.unused_float) pitchingpost.set_role("year", getml.data.roles.time_stamp) pitchingpost

Out[25]:

name	year	playerID	teamID	round	lgID	W	L	G	GS	CG	SHO	SV	IPouts	H	ER	HR	BB	SO	BAOpp	ERA	IBB	WP	HBP	BK	BFP	GF	R	SH	SF	GIDP	yearID
role	time_stamp	join_key	join_key	categorical	categorical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	unused_float
unit	time stamp, comparison only
0	1979-01-01	aasedo01	CAL	ALCS	AL	1	0	2	0	0	0	0	15	4	1	0	2	6	0	1	1	0	0	0	20	2	1	0	1	0	1979
1	1975-01-01	abbotgl01	OAK	ALCS	AL	0	0	1	0	0	0	0	3	0	0	0	0	0	0	0	0	0	0	0	3	1	0	0	0	0	1975
2	2000-01-01	abbotpa01	SEA	ALCS	AL	0	1	1	1	0	0	0	15	3	3	1	3	3	0	5	0	0	0	0	21	0	3	0	0	0	2000
3	2000-01-01	abbotpa01	SEA	ALDS2	AL	1	0	1	1	0	0	0	17	5	1	0	3	1	0	1	0	0	1	0	25	0	2	0	1	1	2000
4	2001-01-01	abbotpa01	SEA	ALCS	AL	0	0	1	1	0	0	0	15	0	0	0	8	2	0	0	0	0	0	0	21	0	0	1	0	0	2001
	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
4192	2006-01-01	zitoba01	OAK	ALDS2	AL	1	0	1	1	0	0	0	24	4	1	1	3	1	0	1	0	0	0	0	30	0	1	1	0	0	2006
4193	2012-01-01	zitoba01	SFN	NLCS	NL	1	0	1	1	0	0	0	23	6	0	0	1	6	0	0	1	0	0	nan	29	0	0	nan	nan	1	2012
4194	2012-01-01	zitoba01	SFN	NLDS2	NL	0	0	1	1	0	0	0	7	4	2	1	4	4	0	6	0	0	0	nan	16	0	2	nan	nan	0	2012
4195	2012-01-01	zitoba01	SFN	WS	NL	1	0	1	1	0	0	0	17	6	1	0	1	3	0	1	0	0	0	nan	23	0	1	nan	nan	1	2012
4196	1946-01-01	zuberbi01	BOS	WS	AL	0	0	1	0	0	0	0	6	3	1	0	1	1	0	4	1	0	0	0	9	0	1	0	0	1	1946

4197 rows x 31 columns
memory usage: 0.97 MB
name: pitchingpost
type: getml.DataFrame

In [26]:

  Copied!     
 
salaries["year"] = salaries["yearID"].as_str().as_ts(["%Y"])
salaries["teamIDCat"] = salaries["teamID"]

salaries.set_role(["playerID", "teamID"], getml.data.roles.join_key)
salaries.set_role(["lgID", "teamIDCat"], getml.data.roles.categorical)
salaries.set_role("yearID", getml.data.roles.numerical)
salaries.set_role("salary", getml.data.roles.target)
salaries.set_role("year", getml.data.roles.time_stamp)

salaries
salaries["year"] = salaries["yearID"].as_str().as_ts(["%Y"]) salaries["teamIDCat"] = salaries["teamID"] salaries.set_role(["playerID", "teamID"], getml.data.roles.join_key) salaries.set_role(["lgID", "teamIDCat"], getml.data.roles.categorical) salaries.set_role("yearID", getml.data.roles.numerical) salaries.set_role("salary", getml.data.roles.target) salaries.set_role("year", getml.data.roles.time_stamp) salaries

Out[26]:

name	year	playerID	teamID	salary	lgID	teamIDCat	yearID
role	time_stamp	join_key	join_key	target	categorical	categorical	numerical
unit	time stamp, comparison only
0	1985-01-01	barkele01	ATL	870000	NL	ATL	1985
1	1985-01-01	bedrost01	ATL	550000	NL	ATL	1985
2	1985-01-01	benedbr01	ATL	545000	NL	ATL	1985
3	1985-01-01	campri01	ATL	633333	NL	ATL	1985
4	1985-01-01	ceronri01	ATL	625000	NL	ATL	1985
	...	...	...	...	...	...	...
23106	2012-01-01	tracych01	WAS	750000	NL	WAS	2012
23107	2012-01-01	wangch01	WAS	4000000	NL	WAS	2012
23108	2012-01-01	werthja01	WAS	13571428	NL	WAS	2012
23109	2012-01-01	zimmejo02	WAS	2300000	NL	WAS	2012
23110	2012-01-01	zimmery01	WAS	12000000	NL	WAS	2012

23111 rows x 7 columns
memory usage: 0.92 MB
name: salaries
type: getml.DataFrame

2. Predictive modeling¶

We loaded the data and defined the roles and units. Next, we create a getML pipeline for relational learning.

In [27]:

  Copied!     
 
split = getml.data.split.random(train=0.8, test=0.2)
split = getml.data.split.random(train=0.8, test=0.2)

2.1 Define relational model¶

In [28]:

  Copied!     
 
star_schema = getml.data.StarSchema(population=salaries, split=split)

star_schema.join(
    allstarfull,
    on="playerID",
    time_stamps="year",
    horizon=getml.data.time.days(1),
)

star_schema.join(
    awardsplayers,
    on="playerID",
    time_stamps="year",
    horizon=getml.data.time.days(1),
)

star_schema.join(
    awardsshareplayers,
    on="playerID",
    time_stamps="year",
    horizon=getml.data.time.days(1),
)

star_schema.join(
    batting,
    on="playerID",
    time_stamps="year",
    horizon=getml.data.time.days(1),
)

star_schema.join(
    battingpost,
    on="playerID",
    time_stamps="year",
    horizon=getml.data.time.days(1),
)

star_schema.join(
    fielding,
    on="playerID",
    time_stamps="year",
    horizon=getml.data.time.days(1),
)

star_schema.join(
    fieldingpost,
    on="playerID",
    time_stamps="year",
    horizon=getml.data.time.days(1),
)

star_schema.join(
    pitching,
    on="playerID",
    time_stamps="year",
    horizon=getml.data.time.days(1),
)

star_schema.join(
    pitchingpost,
    on="playerID",
    time_stamps="year",
    horizon=getml.data.time.days(1),
)

star_schema
star_schema = getml.data.StarSchema(population=salaries, split=split) star_schema.join( allstarfull, on="playerID", time_stamps="year", horizon=getml.data.time.days(1), ) star_schema.join( awardsplayers, on="playerID", time_stamps="year", horizon=getml.data.time.days(1), ) star_schema.join( awardsshareplayers, on="playerID", time_stamps="year", horizon=getml.data.time.days(1), ) star_schema.join( batting, on="playerID", time_stamps="year", horizon=getml.data.time.days(1), ) star_schema.join( battingpost, on="playerID", time_stamps="year", horizon=getml.data.time.days(1), ) star_schema.join( fielding, on="playerID", time_stamps="year", horizon=getml.data.time.days(1), ) star_schema.join( fieldingpost, on="playerID", time_stamps="year", horizon=getml.data.time.days(1), ) star_schema.join( pitching, on="playerID", time_stamps="year", horizon=getml.data.time.days(1), ) star_schema.join( pitchingpost, on="playerID", time_stamps="year", horizon=getml.data.time.days(1), ) star_schema

Out[28]:

data model

diagram

staging

	data frames	staging table
0	salaries	SALARIES__STAGING_TABLE_1
1	allstarfull	ALLSTARFULL__STAGING_TABLE_2
2	awardsplayers	AWARDSPLAYERS__STAGING_TABLE_3
3	awardsshareplayers	AWARDSSHAREPLAYERS__STAGING_TABLE_4
4	batting	BATTING__STAGING_TABLE_5
5	battingpost	BATTINGPOST__STAGING_TABLE_6
6	fielding	FIELDING__STAGING_TABLE_7
7	fieldingpost	FIELDINGPOST__STAGING_TABLE_8
8	pitching	PITCHING__STAGING_TABLE_9
9	pitchingpost	PITCHINGPOST__STAGING_TABLE_10

container

population

	subset	name	rows	type
0	test	salaries	4539	View
1	train	salaries	18572	View

peripheral

	name	rows	type
0	allstarfull	4831	DataFrame
1	awardsplayers	5795	DataFrame
2	awardsshareplayers	6289	DataFrame
3	batting	92353	DataFrame
4	battingpost	9798	DataFrame
5	fielding	137975	DataFrame
6	fieldingpost	10346	DataFrame
7	pitching	39361	DataFrame
8	pitchingpost	4197	DataFrame

2.2 getML pipeline¶

Set-up the feature learner & predictor

In [29]:

  Copied!     
 
mapping = getml.preprocessors.Mapping()

fast_prop = getml.feature_learning.FastProp(
    loss_function=getml.feature_learning.loss_functions.SquareLoss,
    num_threads=1,
    num_features=700,
)

relboost = getml.feature_learning.Relboost(
    loss_function=getml.feature_learning.loss_functions.SquareLoss,
    num_threads=1,
    max_depth=8,
)

predictor = getml.predictors.XGBoostRegressor(n_jobs=1)
mapping = getml.preprocessors.Mapping() fast_prop = getml.feature_learning.FastProp( loss_function=getml.feature_learning.loss_functions.SquareLoss, num_threads=1, num_features=700, ) relboost = getml.feature_learning.Relboost( loss_function=getml.feature_learning.loss_functions.SquareLoss, num_threads=1, max_depth=8, ) predictor = getml.predictors.XGBoostRegressor(n_jobs=1)

Build the pipeline

In [30]:

  Copied!     
 
pipe1 = getml.pipeline.Pipeline(
    tags=['fast_prop'],
    data_model=star_schema.data_model,
    preprocessors=[mapping],
    feature_learners=[fast_prop],
    predictors=[predictor],
    include_categorical=True,
)

pipe1
pipe1 = getml.pipeline.Pipeline( tags=['fast_prop'], data_model=star_schema.data_model, preprocessors=[mapping], feature_learners=[fast_prop], predictors=[predictor], include_categorical=True, ) pipe1

Out[30]:

Pipeline(data_model='salaries',
         feature_learners=['FastProp'],
         feature_selectors=[],
         include_categorical=True,
         loss_function='SquareLoss',
         peripheral=['allstarfull', 'awardsplayers', 'awardsshareplayers', 'batting',
                     'battingpost', 'fielding', 'fieldingpost', 'pitching', 'pitchingpost'],
         predictors=['XGBoostRegressor'],
         preprocessors=['Mapping'],
         share_selected_features=0.5,
         tags=['fast_prop'])

In [31]:

  Copied!     
 
pipe2 = getml.pipeline.Pipeline(
    tags=['relboost'],
    data_model=star_schema.data_model,
    preprocessors=[mapping],
    feature_learners=[relboost],
    predictors=[predictor],    
    include_categorical=True,
)

pipe2
pipe2 = getml.pipeline.Pipeline( tags=['relboost'], data_model=star_schema.data_model, preprocessors=[mapping], feature_learners=[relboost], predictors=[predictor], include_categorical=True, ) pipe2

Out[31]:

Pipeline(data_model='salaries',
         feature_learners=['Relboost'],
         feature_selectors=[],
         include_categorical=True,
         loss_function='SquareLoss',
         peripheral=['allstarfull', 'awardsplayers', 'awardsshareplayers', 'batting',
                     'battingpost', 'fielding', 'fieldingpost', 'pitching', 'pitchingpost'],
         predictors=['XGBoostRegressor'],
         preprocessors=['Mapping'],
         share_selected_features=0.5,
         tags=['relboost'])

2.3 Model training¶

In [32]:

  Copied!     
 
pipe1.check(star_schema.train)
pipe1.check(star_schema.train)

Checking data model...

  Staging... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Preprocessing... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:01
  Checking... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00

The pipeline check generated 9 issues labeled INFO and 0 issues labeled WARNING.

Out[32]:

	type	label	message
0	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and ALLSTARFULL__STAGING_TABLE_2 over 'playerID' and 'playerID', there are no corresponding entries for 64.710317% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
1	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and AWARDSPLAYERS__STAGING_TABLE_3 over 'playerID' and 'playerID', there are no corresponding entries for 75.376911% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
2	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and AWARDSSHAREPLAYERS__STAGING_TABLE_4 over 'playerID' and 'playerID', there are no corresponding entries for 62.459617% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
3	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and BATTING__STAGING_TABLE_5 over 'playerID' and 'playerID', there are no corresponding entries for 8.765884% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
4	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and BATTINGPOST__STAGING_TABLE_6 over 'playerID' and 'playerID', there are no corresponding entries for 41.018738% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
5	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and FIELDING__STAGING_TABLE_7 over 'playerID' and 'playerID', there are no corresponding entries for 19.270946% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
6	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and FIELDINGPOST__STAGING_TABLE_8 over 'playerID' and 'playerID', there are no corresponding entries for 38.369589% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
7	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and PITCHING__STAGING_TABLE_9 over 'playerID' and 'playerID', there are no corresponding entries for 54.862158% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
8	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and PITCHINGPOST__STAGING_TABLE_10 over 'playerID' and 'playerID', there are no corresponding entries for 73.589274% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.

In [33]:

  Copied!     
 
pipe1.fit(star_schema.train)
pipe1.fit(star_schema.train)

Checking data model...

  Staging... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Preprocessing... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00

The pipeline check generated 9 issues labeled INFO and 0 issues labeled WARNING.

To see the issues in full, run .check() on the pipeline.

  Staging... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Preprocessing... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  FastProp: Trying 3080 features... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:22
  FastProp: Building features... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:02
  XGBoost: Training as predictor... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:54

Trained pipeline.

Time taken: 0:01:20.459285.

Out[33]:

Pipeline(data_model='salaries',
         feature_learners=['FastProp'],
         feature_selectors=[],
         include_categorical=True,
         loss_function='SquareLoss',
         peripheral=['allstarfull', 'awardsplayers', 'awardsshareplayers', 'batting',
                     'battingpost', 'fielding', 'fieldingpost', 'pitching', 'pitchingpost'],
         predictors=['XGBoostRegressor'],
         preprocessors=['Mapping'],
         share_selected_features=0.5,
         tags=['fast_prop', 'container-e52TP3'])

In [34]:

  Copied!     
 
pipe2.check(star_schema.train)
pipe2.check(star_schema.train)

Checking data model...

  Staging... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Preprocessing... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Checking... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00

The pipeline check generated 9 issues labeled INFO and 0 issues labeled WARNING.

Out[34]:

	type	label	message
0	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and ALLSTARFULL__STAGING_TABLE_2 over 'playerID' and 'playerID', there are no corresponding entries for 64.710317% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
1	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and AWARDSPLAYERS__STAGING_TABLE_3 over 'playerID' and 'playerID', there are no corresponding entries for 75.376911% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
2	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and AWARDSSHAREPLAYERS__STAGING_TABLE_4 over 'playerID' and 'playerID', there are no corresponding entries for 62.459617% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
3	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and BATTING__STAGING_TABLE_5 over 'playerID' and 'playerID', there are no corresponding entries for 8.765884% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
4	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and BATTINGPOST__STAGING_TABLE_6 over 'playerID' and 'playerID', there are no corresponding entries for 41.018738% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
5	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and FIELDING__STAGING_TABLE_7 over 'playerID' and 'playerID', there are no corresponding entries for 19.270946% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
6	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and FIELDINGPOST__STAGING_TABLE_8 over 'playerID' and 'playerID', there are no corresponding entries for 38.369589% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
7	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and PITCHING__STAGING_TABLE_9 over 'playerID' and 'playerID', there are no corresponding entries for 54.862158% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.
8	INFO	FOREIGN KEYS NOT FOUND	When joining SALARIES__STAGING_TABLE_1 and PITCHINGPOST__STAGING_TABLE_10 over 'playerID' and 'playerID', there are no corresponding entries for 73.589274% of entries in 'playerID' in 'SALARIES__STAGING_TABLE_1'. You might want to double-check your join keys.

In [35]:

  Copied!     
 
pipe2.fit(star_schema.train)
pipe2.fit(star_schema.train)

Checking data model...

  Staging... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Preprocessing... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00

The pipeline check generated 9 issues labeled INFO and 0 issues labeled WARNING.

To see the issues in full, run .check() on the pipeline.

  Staging... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Preprocessing... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Relboost: Training features... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 01:08
  Relboost: Building features... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:08
  XGBoost: Training as predictor... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:04

Trained pipeline.

Time taken: 0:01:21.923636.

Out[35]:

Pipeline(data_model='salaries',
         feature_learners=['Relboost'],
         feature_selectors=[],
         include_categorical=True,
         loss_function='SquareLoss',
         peripheral=['allstarfull', 'awardsplayers', 'awardsshareplayers', 'batting',
                     'battingpost', 'fielding', 'fieldingpost', 'pitching', 'pitchingpost'],
         predictors=['XGBoostRegressor'],
         preprocessors=['Mapping'],
         share_selected_features=0.5,
         tags=['relboost', 'container-e52TP3'])

2.4 Model evaluation¶

In [36]:

  Copied!     
 
fastprop_score = pipe1.score(star_schema.test)
fastprop_score
fastprop_score = pipe1.score(star_schema.test) fastprop_score

  Staging... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Preprocessing... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  FastProp: Building features... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:02

Out[36]:

	date time	set used	target	mae	rmse	rsquared
0	2024-09-12 11:10:53	train	salary	693195.922	1251354.7312	0.8222
1	2024-09-12 11:12:21	test	salary	764552.7844	1401076.9398	0.7886

In [37]:

  Copied!     
 
relboost_score = pipe2.score(star_schema.test)
relboost_score
relboost_score = pipe2.score(star_schema.test) relboost_score

  Staging... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Preprocessing... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Relboost: Building features... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:01

Out[37]:

	date time	set used	target	mae	rmse	rsquared
0	2024-09-12 11:12:17	train	salary	457056.2274	797759.2501	0.9276
1	2024-09-12 11:12:23	test	salary	664777.8524	1214580.8821	0.8411

2.5 featuretools¶

In [38]:

  Copied!     
 
population_train_pd = star_schema.train.population.to_pandas()
population_test_pd = star_schema.test.population.to_pandas()
population_train_pd = star_schema.train.population.to_pandas() population_test_pd = star_schema.test.population.to_pandas()

In [39]:

  Copied!     
 
allstarfull_pd = allstarfull.drop(allstarfull.roles.unused).to_pandas()
awardsplayers_pd = awardsplayers.drop(awardsplayers.roles.unused).to_pandas()
awardsshareplayers_pd = awardsshareplayers.drop(awardsshareplayers.roles.unused).to_pandas()
batting_pd = batting.drop(batting.roles.unused).to_pandas()
battingpost_pd = battingpost.drop(battingpost.roles.unused).to_pandas()
fielding_pd = fielding.drop(fielding.roles.unused).to_pandas()
fieldingpost_pd = fieldingpost.drop(fieldingpost.roles.unused).to_pandas()
pitching_pd = pitching.drop(pitching.roles.unused).to_pandas()
pitchingpost_pd = pitchingpost.drop(pitchingpost.roles.unused).to_pandas()
allstarfull_pd = allstarfull.drop(allstarfull.roles.unused).to_pandas() awardsplayers_pd = awardsplayers.drop(awardsplayers.roles.unused).to_pandas() awardsshareplayers_pd = awardsshareplayers.drop(awardsshareplayers.roles.unused).to_pandas() batting_pd = batting.drop(batting.roles.unused).to_pandas() battingpost_pd = battingpost.drop(battingpost.roles.unused).to_pandas() fielding_pd = fielding.drop(fielding.roles.unused).to_pandas() fieldingpost_pd = fieldingpost.drop(fieldingpost.roles.unused).to_pandas() pitching_pd = pitching.drop(pitching.roles.unused).to_pandas() pitchingpost_pd = pitchingpost.drop(pitchingpost.roles.unused).to_pandas()

featuretools requires that we manually define a primary key and then join on that primary key. Therefore, we need some manual data preparation.

In [40]:

  Copied!     
 
population_train_pd["id"] = population_train_pd.index
population_train_pd
population_train_pd["id"] = population_train_pd.index population_train_pd

Out[40]:

	lgID	teamIDCat	playerID	teamID	yearID	salary	year	id
0	NL	ATL	barkele01	ATL	1985.0	870000.0	1985-01-01	0
1	NL	ATL	bedrost01	ATL	1985.0	550000.0	1985-01-01	1
2	NL	ATL	benedbr01	ATL	1985.0	545000.0	1985-01-01	2
3	NL	ATL	ceronri01	ATL	1985.0	625000.0	1985-01-01	3
4	NL	ATL	chambch01	ATL	1985.0	800000.0	1985-01-01	4
...	...	...	...	...	...	...	...	...
18567	NL	WAS	strasst01	WAS	2012.0	4875000.0	2012-01-01	18567
18568	NL	WAS	tracych01	WAS	2012.0	750000.0	2012-01-01	18568
18569	NL	WAS	wangch01	WAS	2012.0	4000000.0	2012-01-01	18569
18570	NL	WAS	werthja01	WAS	2012.0	13571428.0	2012-01-01	18570
18571	NL	WAS	zimmery01	WAS	2012.0	12000000.0	2012-01-01	18571

18572 rows × 8 columns

In [41]:

  Copied!     
 
population_test_pd["id"] = population_test_pd.index
population_test_pd
population_test_pd["id"] = population_test_pd.index population_test_pd

Out[41]:

	lgID	teamIDCat	playerID	teamID	yearID	salary	year	id
0	NL	ATL	campri01	ATL	1985.0	633333.0	1985-01-01	0
1	NL	ATL	dedmoje01	ATL	1985.0	150000.0	1985-01-01	1
2	NL	ATL	hornebo01	ATL	1985.0	1500000.0	1985-01-01	2
3	AL	BAL	dempsri01	BAL	1985.0	512500.0	1985-01-01	3
4	AL	BAL	martide01	BAL	1985.0	560000.0	1985-01-01	4
...	...	...	...	...	...	...	...	...
4534	NL	WAS	desmoia01	WAS	2012.0	512500.0	2012-01-01	4534
4535	NL	WAS	espinda01	WAS	2012.0	506000.0	2012-01-01	4535
4536	NL	WAS	gorzeto01	WAS	2012.0	3000000.0	2012-01-01	4536
4537	NL	WAS	matthry01	WAS	2012.0	481000.0	2012-01-01	4537
4538	NL	WAS	zimmejo02	WAS	2012.0	2300000.0	2012-01-01	4538

4539 rows × 8 columns

In [42]:

  Copied!     
 
def prepare_peripheral(peripheral_pd, train_or_test):
    """
    Helper function that imitates the behavior of 
    the data model defined above.
    """
    peripheral_new = peripheral_pd.merge(
        train_or_test[["id", "playerID", "year"]],
        on="playerID"
    )

    peripheral_new = peripheral_new[
        peripheral_new["year_x"] < peripheral_new["year_y"]
    ]

    del peripheral_new["year_x"]
    del peripheral_new["year_y"]
    del peripheral_new["playerID"]

    return peripheral_new
def prepare_peripheral(peripheral_pd, train_or_test): """ Helper function that imitates the behavior of the data model defined above. """ peripheral_new = peripheral_pd.merge( train_or_test[["id", "playerID", "year"]], on="playerID" ) peripheral_new = peripheral_new[ peripheral_new["year_x"] < peripheral_new["year_y"] ] del peripheral_new["year_x"] del peripheral_new["year_y"] del peripheral_new["playerID"] return peripheral_new

In [43]:

  Copied!     
 
allstarfull_train_pd = prepare_peripheral(allstarfull_pd, population_train_pd)
allstarfull_test_pd = prepare_peripheral(allstarfull_pd, population_test_pd)
allstarfull_train_pd
allstarfull_train_pd = prepare_peripheral(allstarfull_pd, population_train_pd) allstarfull_test_pd = prepare_peripheral(allstarfull_pd, population_test_pd) allstarfull_train_pd

Out[43]:

	gameID	teamID	lgID	gameNum	GP	startingPos	id
1	NLS198607150	BAL	AL	0.0	1.0	NaN	1051
2	NLS198607150	BAL	AL	0.0	1.0	NaN	1569
3	NLS198607150	BAL	AL	0.0	1.0	NaN	2426
11	NLS200407130	PHI	NL	0.0	1.0	NaN	13684
12	NLS200407130	PHI	NL	0.0	1.0	NaN	14357
...	...	...	...	...	...	...	...
20490	NLS200607110	OAK	AL	0.0	1.0	NaN	17789
20491	NLS200607110	OAK	AL	0.0	1.0	NaN	18456
20494	NLS200907140	TBA	AL	0.0	1.0	NaN	17158
20495	NLS200907140	TBA	AL	0.0	1.0	NaN	17836
20496	NLS200907140	TBA	AL	0.0	1.0	NaN	18502

11557 rows × 7 columns

In [44]:

  Copied!     
 
awardsplayers_train_pd = prepare_peripheral(awardsplayers_pd, population_train_pd)
awardsplayers_test_pd = prepare_peripheral(awardsplayers_pd, population_test_pd)
awardsplayers_train_pd
awardsplayers_train_pd = prepare_peripheral(awardsplayers_pd, population_train_pd) awardsplayers_test_pd = prepare_peripheral(awardsplayers_pd, population_test_pd) awardsplayers_train_pd

Out[44]:

	awardID	lgID	notes	id
0	TSN Player of the Year	AL	None	4683
1	TSN Player of the Year	AL	None	5856
2	TSN Player of the Year	AL	None	8922
3	TSN Player of the Year	AL	None	9727
4	Rookie of the Year	NL	None	120
...	...	...	...	...
26073	Silver Slugger	NL	1B	18120
26080	Silver Slugger	NL	C	17943
26086	Silver Slugger	NL	2B	18064
26104	TSN Major League Player of the Year	ML	None	18134
26110	TSN Pitcher of the Year	AL	None	18134

15639 rows × 4 columns

In [45]:

  Copied!     
 
awardsshareplayers_train_pd = prepare_peripheral(awardsshareplayers_pd, population_train_pd)
awardsshareplayers_test_pd = prepare_peripheral(awardsshareplayers_pd, population_test_pd)
awardsshareplayers_train_pd
awardsshareplayers_train_pd = prepare_peripheral(awardsshareplayers_pd, population_train_pd) awardsshareplayers_test_pd = prepare_peripheral(awardsshareplayers_pd, population_test_pd) awardsshareplayers_train_pd

Out[45]:

	awardID	lgID	pointsWon	pointsMax	votesFirst	id
0	Cy Young	NL	1.0	24.0	1.0	254
1	Cy Young	NL	1.0	24.0	1.0	614
2	Cy Young	NL	23.0	24.0	23.0	548
3	Cy Young	NL	4.0	120.0	0.0	548
4	Cy Young	AL	98.0	120.0	14.0	361
...	...	...	...	...	...	...
24216	Rookie of the Year	NL	158.0	160.0	31.0	16676
24217	Rookie of the Year	NL	158.0	160.0	31.0	17347
24218	Rookie of the Year	NL	9.0	160.0	0.0	16703
24219	Rookie of the Year	NL	9.0	160.0	0.0	17370
24220	Rookie of the Year	NL	9.0	160.0	0.0	18404

15527 rows × 6 columns

In [46]:

  Copied!     
 
batting_train_pd = prepare_peripheral(batting_pd, population_train_pd)
batting_test_pd = prepare_peripheral(batting_pd, population_test_pd)
batting_train_pd
batting_train_pd = prepare_peripheral(batting_pd, population_train_pd) batting_test_pd = prepare_peripheral(batting_pd, population_test_pd) batting_train_pd

Out[46]:

	lgID	teamID	stint	G	G_batting	AB	R	H	2B	3B	...	CS	BB	SO	IBB	HBP	SH	SF	GIDP	G_old	id
1	NL	SFN	1.0	11.0	11.0	0.0	0.0	0.0	0.0	0.0	...	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	11.0	14656
2	NL	SFN	1.0	11.0	11.0	0.0	0.0	0.0	0.0	0.0	...	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	11.0	16389
3	NL	SFN	1.0	11.0	11.0	0.0	0.0	0.0	0.0	0.0	...	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	11.0	17069
4	NL	SFN	1.0	11.0	11.0	0.0	0.0	0.0	0.0	0.0	...	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	11.0	17743
5	NL	SFN	1.0	11.0	11.0	0.0	0.0	0.0	0.0	0.0	...	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	11.0	18263
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
208118	NL	ATL	1.0	11.0	11.0	25.0	2.0	5.0	1.0	0.0	...	0.0	2.0	3.0	0.0	0.0	0.0	0.0	0.0	11.0	2109
208119	NL	ATL	1.0	81.0	81.0	190.0	16.0	48.0	8.0	1.0	...	0.0	16.0	14.0	1.0	0.0	4.0	0.0	3.0	81.0	2109
208120	AL	NYA	1.0	21.0	21.0	48.0	2.0	4.0	1.0	0.0	...	0.0	5.0	4.0	0.0	0.0	4.0	0.0	1.0	21.0	2109
208121	AL	NYA	1.0	14.0	14.0	34.0	2.0	6.0	0.0	0.0	...	0.0	0.0	4.0	0.0	0.0	2.0	0.0	1.0	14.0	2109
208122	AL	CLE	1.0	51.0	51.0	130.0	9.0	30.0	5.0	1.0	...	0.0	8.0	13.0	0.0	0.0	8.0	0.0	3.0	51.0	2109

105808 rows × 23 columns

In [47]:

  Copied!     
 
battingpost_train_pd = prepare_peripheral(battingpost_pd, population_train_pd)
battingpost_test_pd = prepare_peripheral(battingpost_pd, population_test_pd)
battingpost_train_pd
battingpost_train_pd = prepare_peripheral(battingpost_pd, population_train_pd) battingpost_test_pd = prepare_peripheral(battingpost_pd, population_test_pd) battingpost_train_pd

Out[47]:

	round	lgID	teamID	G	AB	R	H	2B	3B	HR	...	SB	CS	BB	SO	IBB	HBP	SH	SF	GIDP	id
0	WS	NL	SLN	1.0	1.0	0.0	0.0	0.0	0.0	0.0	...	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	301
1	WS	NL	SLN	1.0	1.0	0.0	0.0	0.0	0.0	0.0	...	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	533
2	WS	NL	SLN	2.0	0.0	0.0	0.0	0.0	0.0	0.0	...	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	301
3	WS	NL	SLN	2.0	0.0	0.0	0.0	0.0	0.0	0.0	...	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	0.0	533
4	ALCS	AL	MIN	3.0	14.0	0.0	1.0	0.0	0.0	0.0	...	0.0	0.0	1.0	4.0	0.0	0.0	0.0	0.0	0.0	59
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
48498	WS	AL	TEX	1.0	0.0	0.0	0.0	0.0	0.0	0.0	...	0.0	0.0	0.0	0.0	NaN	NaN	NaN	NaN	NaN	18542
48517	WS	NL	SLN	6.0	14.0	0.0	3.0	0.0	0.0	0.0	...	0.0	0.0	5.0	6.0	NaN	NaN	NaN	NaN	NaN	18001
48546	WS	NL	SLN	5.0	13.0	1.0	1.0	0.0	0.0	0.0	...	0.0	0.0	1.0	3.0	NaN	NaN	NaN	NaN	NaN	18453
48554	WS	AL	TEX	3.0	5.0	0.0	2.0	0.0	0.0	0.0	...	0.0	0.0	1.0	2.0	NaN	NaN	NaN	NaN	NaN	18525
48575	WS	AL	TEX	7.0	27.0	3.0	7.0	4.0	0.0	1.0	...	0.0	0.0	1.0	7.0	NaN	NaN	NaN	NaN	NaN	18527

22893 rows × 21 columns

In [48]:

  Copied!     
 
fielding_train_pd = prepare_peripheral(fielding_pd, population_train_pd)
fielding_test_pd = prepare_peripheral(fielding_pd, population_test_pd)
fielding_train_pd
fielding_train_pd = prepare_peripheral(fielding_pd, population_train_pd) fielding_test_pd = prepare_peripheral(fielding_pd, population_test_pd) fielding_train_pd

Out[48]:

	lgID	POS	teamID	stint	G	GS	InnOuts	PO	A	E	DP	id
1	NL	P	SFN	1.0	11.0	0.0	32.0	0.0	0.0	0.0	0.0	14656
2	NL	P	SFN	1.0	11.0	0.0	32.0	0.0	0.0	0.0	0.0	16389
3	NL	P	SFN	1.0	11.0	0.0	32.0	0.0	0.0	0.0	0.0	17069
4	NL	P	SFN	1.0	11.0	0.0	32.0	0.0	0.0	0.0	0.0	17743
5	NL	P	SFN	1.0	11.0	0.0	32.0	0.0	0.0	0.0	0.0	18263
...	...	...	...	...	...	...	...	...	...	...	...	...
361010	AL	SS	NYA	1.0	21.0	18.0	453.0	30.0	54.0	3.0	12.0	2109
361011	AL	2B	NYA	1.0	7.0	6.0	168.0	17.0	18.0	0.0	5.0	2109
361012	AL	3B	NYA	1.0	1.0	0.0	3.0	0.0	0.0	0.0	0.0	2109
361013	AL	SS	NYA	1.0	6.0	1.0	70.0	3.0	7.0	0.0	0.0	2109
361014	AL	SS	CLE	1.0	49.0	44.0	1139.0	77.0	112.0	8.0	21.0	2109

182144 rows × 12 columns

In [49]:

  Copied!     
 
fieldingpost_train_pd = prepare_peripheral(fieldingpost_pd, population_train_pd)
fieldingpost_test_pd = prepare_peripheral(fieldingpost_pd, population_test_pd)
fieldingpost_train_pd
fieldingpost_train_pd = prepare_peripheral(fieldingpost_pd, population_train_pd) fieldingpost_test_pd = prepare_peripheral(fieldingpost_pd, population_test_pd) fieldingpost_train_pd

Out[49]:

	lgID	round	POS	teamID	G	GS	InnOuts	PO	A	E	DP	TP	SB	CS	id
0	AL	ALCS	P	CAL	2.0	0.0	15.0	0.0	1.0	0.0	0.0	0.0	0.0	0.0	454
1	AL	ALCS	P	CAL	2.0	0.0	15.0	0.0	1.0	0.0	0.0	0.0	0.0	0.0	1051
2	AL	ALCS	P	CAL	2.0	0.0	15.0	0.0	1.0	0.0	0.0	0.0	0.0	0.0	1569
3	AL	ALCS	P	CAL	2.0	0.0	15.0	0.0	1.0	0.0	0.0	0.0	0.0	0.0	2426
11	NL	NLCS	2B	FLO	2.0	2.0	51.0	4.0	1.0	0.0	0.0	0.0	NaN	NaN	8818
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
58087	AL	ALCS	P	OAK	1.0	1.0	11.0	0.0	2.0	0.0	0.0	0.0	0.0	0.0	17789
58088	AL	ALCS	P	OAK	1.0	1.0	11.0	0.0	2.0	0.0	0.0	0.0	0.0	0.0	18456
58095	AL	ALDS2	P	OAK	1.0	1.0	24.0	0.0	1.0	0.0	0.0	0.0	0.0	1.0	17114
58096	AL	ALDS2	P	OAK	1.0	1.0	24.0	0.0	1.0	0.0	0.0	0.0	0.0	1.0	17789
58097	AL	ALDS2	P	OAK	1.0	1.0	24.0	0.0	1.0	0.0	0.0	0.0	0.0	1.0	18456

27491 rows × 15 columns

In [50]:

  Copied!     
 
pitching_train_pd = prepare_peripheral(pitching_pd, population_train_pd)
pitching_test_pd = prepare_peripheral(pitching_pd, population_test_pd)
pitching_train_pd
pitching_train_pd = prepare_peripheral(pitching_pd, population_train_pd) pitching_test_pd = prepare_peripheral(pitching_pd, population_test_pd) pitching_train_pd

Out[50]:

	lgID	teamID	stint	W	L	G	GS	CG	SHO	SV	...	BAOpp	ERA	IBB	WP	HBP	BK	BFP	GF	R	id
1	NL	SFN	1.0	1.0	0.0	11.0	0.0	0.0	0.0	0.0	...	0.0	6.0	0.0	0.0	2.0	0.0	61.0	5.0	8.0	14656
2	NL	SFN	1.0	1.0	0.0	11.0	0.0	0.0	0.0	0.0	...	0.0	6.0	0.0	0.0	2.0	0.0	61.0	5.0	8.0	16389
3	NL	SFN	1.0	1.0	0.0	11.0	0.0	0.0	0.0	0.0	...	0.0	6.0	0.0	0.0	2.0	0.0	61.0	5.0	8.0	17069
4	NL	SFN	1.0	1.0	0.0	11.0	0.0	0.0	0.0	0.0	...	0.0	6.0	0.0	0.0	2.0	0.0	61.0	5.0	8.0	17743
5	NL	SFN	1.0	1.0	0.0	11.0	0.0	0.0	0.0	0.0	...	0.0	6.0	0.0	0.0	2.0	0.0	61.0	5.0	8.0	18263
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
91802	NL	SFN	1.0	10.0	13.0	33.0	33.0	1.0	0.0	0.0	...	NaN	4.0	8.0	2.0	8.0	2.0	818.0	0.0	89.0	17789
91803	NL	SFN	1.0	10.0	13.0	33.0	33.0	1.0	0.0	0.0	...	NaN	4.0	8.0	2.0	8.0	2.0	818.0	0.0	89.0	18456
91811	NL	SFN	1.0	9.0	14.0	34.0	33.0	1.0	0.0	0.0	...	NaN	4.0	7.0	7.0	7.0	0.0	848.0	1.0	97.0	17789
91812	NL	SFN	1.0	9.0	14.0	34.0	33.0	1.0	0.0	0.0	...	NaN	4.0	7.0	7.0	7.0	0.0	848.0	1.0	97.0	18456
91821	NL	SFN	1.0	3.0	4.0	13.0	9.0	0.0	0.0	0.0	...	NaN	5.0	1.0	1.0	0.0	0.0	225.0	3.0	35.0	18456

45669 rows × 26 columns

In [51]:

  Copied!     
 
pitchingpost_train_pd = prepare_peripheral(pitchingpost_pd, population_train_pd)
pitchingpost_test_pd = prepare_peripheral(pitchingpost_pd, population_test_pd)
pitchingpost_train_pd
pitchingpost_train_pd = prepare_peripheral(pitchingpost_pd, population_train_pd) pitchingpost_test_pd = prepare_peripheral(pitchingpost_pd, population_test_pd) pitchingpost_train_pd

Out[51]:

	round	lgID	teamID	W	L	G	GS	CG	SHO	SV	...	WP	HBP	BK	BFP	GF	R	SH	SF	GIDP	id
0	ALCS	AL	CAL	1.0	0.0	2.0	0.0	0.0	0.0	0.0	...	0.0	0.0	0.0	20.0	2.0	1.0	0.0	1.0	0.0	454
1	ALCS	AL	CAL	1.0	0.0	2.0	0.0	0.0	0.0	0.0	...	0.0	0.0	0.0	20.0	2.0	1.0	0.0	1.0	0.0	1051
2	ALCS	AL	CAL	1.0	0.0	2.0	0.0	0.0	0.0	0.0	...	0.0	0.0	0.0	20.0	2.0	1.0	0.0	1.0	0.0	1569
3	ALCS	AL	CAL	1.0	0.0	2.0	0.0	0.0	0.0	0.0	...	0.0	0.0	0.0	20.0	2.0	1.0	0.0	1.0	0.0	2426
7	ALCS	AL	SEA	0.0	1.0	1.0	1.0	0.0	0.0	0.0	...	0.0	0.0	0.0	21.0	0.0	3.0	0.0	0.0	0.0	11801
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
24239	ALCS	AL	OAK	0.0	1.0	1.0	1.0	0.0	0.0	0.0	...	0.0	0.0	0.0	21.0	0.0	5.0	0.0	0.0	0.0	17789
24240	ALCS	AL	OAK	0.0	1.0	1.0	1.0	0.0	0.0	0.0	...	0.0	0.0	0.0	21.0	0.0	5.0	0.0	0.0	0.0	18456
24247	ALDS2	AL	OAK	1.0	0.0	1.0	1.0	0.0	0.0	0.0	...	0.0	0.0	0.0	30.0	0.0	1.0	1.0	0.0	0.0	17114
24248	ALDS2	AL	OAK	1.0	0.0	1.0	1.0	0.0	0.0	0.0	...	0.0	0.0	0.0	30.0	0.0	1.0	1.0	0.0	0.0	17789
24249	ALDS2	AL	OAK	1.0	0.0	1.0	1.0	0.0	0.0	0.0	...	0.0	0.0	0.0	30.0	0.0	1.0	1.0	0.0	0.0	18456

11364 rows × 29 columns

In [52]:

  Copied!     
 
population_train_pd
population_train_pd

Out[52]:

	lgID	teamIDCat	playerID	teamID	yearID	salary	year	id
0	NL	ATL	barkele01	ATL	1985.0	870000.0	1985-01-01	0
1	NL	ATL	bedrost01	ATL	1985.0	550000.0	1985-01-01	1
2	NL	ATL	benedbr01	ATL	1985.0	545000.0	1985-01-01	2
3	NL	ATL	ceronri01	ATL	1985.0	625000.0	1985-01-01	3
4	NL	ATL	chambch01	ATL	1985.0	800000.0	1985-01-01	4
...	...	...	...	...	...	...	...	...
18567	NL	WAS	strasst01	WAS	2012.0	4875000.0	2012-01-01	18567
18568	NL	WAS	tracych01	WAS	2012.0	750000.0	2012-01-01	18568
18569	NL	WAS	wangch01	WAS	2012.0	4000000.0	2012-01-01	18569
18570	NL	WAS	werthja01	WAS	2012.0	13571428.0	2012-01-01	18570
18571	NL	WAS	zimmery01	WAS	2012.0	12000000.0	2012-01-01	18571

18572 rows × 8 columns

In [53]:

  Copied!     
 
def add_index(df):
    df.insert(0, "index", range(len(df)))

population_pd_logical_types = {
    'lgID': ww.logical_types.Categorical,
    'teamIDCat': ww.logical_types.Categorical,
    'playerID': ww.logical_types.Categorical,
    'teamID': ww.logical_types.Categorical,
    'yearID': ww.logical_types.Integer,
    'salary': ww.logical_types.IntegerNullable,
    'year': ww.logical_types.Datetime,
    'id': ww.logical_types.Integer
}
population_test_pd.ww.init(logical_types=population_pd_logical_types, index='id', name='population')
population_train_pd.ww.init(logical_types=population_pd_logical_types, index='id', name='population')

add_index(allstarfull_test_pd)
add_index(allstarfull_train_pd)
allstarfull_pd_logical_types = {
    'index': ww.logical_types.Integer,
    'gameID': ww.logical_types.Categorical,
    'teamID': ww.logical_types.Categorical,
    'lgID': ww.logical_types.Categorical,
    'gameNum': ww.logical_types.Categorical,
    'GP': ww.logical_types.Categorical,
    'startingPos': ww.logical_types.Categorical,
    'id': ww.logical_types.Integer
}
allstarfull_test_pd.ww.init(logical_types=allstarfull_pd_logical_types, index='index', name='allstarfull')
allstarfull_train_pd.ww.init(logical_types=allstarfull_pd_logical_types, index='index', name='allstarfull')

add_index(awardsplayers_test_pd)
add_index(awardsplayers_train_pd)
awardsplayers_pd_logical_types = {
    'index': ww.logical_types.Integer,
    'awardID': ww.logical_types.Categorical,
    'lgID': ww.logical_types.Categorical,
    'notes': ww.logical_types.Categorical,
    'id': ww.logical_types.Integer
}
awardsplayers_test_pd.ww.init(logical_types=awardsplayers_pd_logical_types, index='index', name='awardsplayers')
awardsplayers_train_pd.ww.init(logical_types=awardsplayers_pd_logical_types, index='index', name='awardsplayers')

add_index(awardsshareplayers_test_pd)
add_index(awardsshareplayers_train_pd)
awardsshareplayers_pd_logical_types = {
    'index': ww.logical_types.Integer,
    'awardID': ww.logical_types.Categorical,
    'lgID': ww.logical_types.Categorical,
    'pointsWon': ww.logical_types.IntegerNullable,
    'pointsMax': ww.logical_types.Categorical,
    'votesFirst': ww.logical_types.IntegerNullable,
    'id': ww.logical_types.Integer
}
awardsshareplayers_test_pd.ww.init(logical_types=awardsshareplayers_pd_logical_types, index='index', name='awardsshareplayers')
awardsshareplayers_train_pd.ww.init(logical_types=awardsshareplayers_pd_logical_types, index='index', name='awardsshareplayers')

add_index(batting_test_pd)
add_index(batting_train_pd)
batting_pd_logical_types = {
    'index': ww.logical_types.Integer,
    'lgID': ww.logical_types.Categorical,
    'teamID': ww.logical_types.Categorical,
    'stint': ww.logical_types.Categorical,
    'G': ww.logical_types.IntegerNullable,
    'G_batting': ww.logical_types.IntegerNullable,
    'AB': ww.logical_types.IntegerNullable,
    'R': ww.logical_types.IntegerNullable,
    'H': ww.logical_types.IntegerNullable,
    '2B': ww.logical_types.IntegerNullable,
    '3B': ww.logical_types.IntegerNullable,
    'HR': ww.logical_types.IntegerNullable,
    'RBI': ww.logical_types.IntegerNullable,
    'SB': ww.logical_types.IntegerNullable,
    'CS': ww.logical_types.IntegerNullable,
    'BB': ww.logical_types.IntegerNullable,
    'SO': ww.logical_types.IntegerNullable,
    'IBB': ww.logical_types.IntegerNullable,
    'HBP': ww.logical_types.IntegerNullable,
    'SH': ww.logical_types.IntegerNullable,
    'SF': ww.logical_types.IntegerNullable,
    'GIDP': ww.logical_types.IntegerNullable,
    'G_old': ww.logical_types.IntegerNullable,
    'id': ww.logical_types.Integer
}
batting_test_pd.ww.init(logical_types=batting_pd_logical_types, index='index', name='batting')
batting_train_pd.ww.init(logical_types=batting_pd_logical_types, index='index', name='batting')

add_index(battingpost_test_pd)
add_index(battingpost_train_pd)
battingpost_pd_logical_types = {
    'index': ww.logical_types.Integer,
    'round': ww.logical_types.Categorical,
    'lgID': ww.logical_types.Categorical,
    'teamID': ww.logical_types.Categorical,
    'G': ww.logical_types.IntegerNullable,
    'AB': ww.logical_types.IntegerNullable,
    'R': ww.logical_types.IntegerNullable,
    'H': ww.logical_types.IntegerNullable,
    '2B': ww.logical_types.IntegerNullable,
    '3B': ww.logical_types.IntegerNullable,
    'HR': ww.logical_types.IntegerNullable,
    'RBI': ww.logical_types.IntegerNullable,
    'SB': ww.logical_types.IntegerNullable,
    'CS': ww.logical_types.IntegerNullable,
    'BB': ww.logical_types.IntegerNullable,
    'SO': ww.logical_types.IntegerNullable,
    'IBB': ww.logical_types.IntegerNullable,
    'HBP': ww.logical_types.IntegerNullable,
    'SH': ww.logical_types.IntegerNullable,
    'SF': ww.logical_types.IntegerNullable,
    'GIDP': ww.logical_types.IntegerNullable,
    'id': ww.logical_types.Integer
}
battingpost_test_pd.ww.init(logical_types=battingpost_pd_logical_types, index='index', name='battingpost')
battingpost_train_pd.ww.init(logical_types=battingpost_pd_logical_types, index='index', name='battingpost')

add_index(fielding_test_pd)
add_index(fielding_train_pd)
fielding_pd_logical_types = {
    'index': ww.logical_types.Integer,
    'lgID': ww.logical_types.Categorical,
    'POS': ww.logical_types.Categorical,
    'teamID': ww.logical_types.Categorical,
    'stint': ww.logical_types.Categorical,
    'G': ww.logical_types.IntegerNullable,
    'GS': ww.logical_types.IntegerNullable,
    'InnOuts': ww.logical_types.IntegerNullable,
    'PO': ww.logical_types.IntegerNullable,
    'A': ww.logical_types.IntegerNullable,
    'E': ww.logical_types.IntegerNullable,
    'DP': ww.logical_types.IntegerNullable,
    'id': ww.logical_types.Integer
}
fielding_test_pd.ww.init(logical_types=fielding_pd_logical_types, index='index', name='fielding')
fielding_train_pd.ww.init(logical_types=fielding_pd_logical_types, index='index', name='fielding')

add_index(fieldingpost_test_pd)
add_index(fieldingpost_train_pd)
fieldingpost_pd_logical_types = {
    'index': ww.logical_types.Integer,
    'lgID': ww.logical_types.Categorical,
    'round': ww.logical_types.Categorical,
    'POS': ww.logical_types.Categorical,
    'teamID': ww.logical_types.Categorical,
    'G': ww.logical_types.IntegerNullable,
    'GS': ww.logical_types.IntegerNullable,
    'InnOuts': ww.logical_types.IntegerNullable,
    'PO': ww.logical_types.IntegerNullable,
    'A': ww.logical_types.IntegerNullable,
    'E': ww.logical_types.IntegerNullable,
    'DP': ww.logical_types.IntegerNullable,
    'TP': ww.logical_types.IntegerNullable,
    'SB': ww.logical_types.IntegerNullable,
    'CS': ww.logical_types.IntegerNullable,
    'id': ww.logical_types.Integer
}
fieldingpost_test_pd.ww.init(logical_types=fieldingpost_pd_logical_types, index='index', name='fieldingpost')
fieldingpost_train_pd.ww.init(logical_types=fieldingpost_pd_logical_types, index='index', name='fieldingpost')

add_index(pitching_test_pd)
add_index(pitching_train_pd)
pitching_pd_logical_types = {
    'index': ww.logical_types.Integer,
    'lgID': ww.logical_types.Categorical,
    'teamID': ww.logical_types.Categorical,
    'stint': ww.logical_types.Categorical,
    'W': ww.logical_types.IntegerNullable,
    'L': ww.logical_types.IntegerNullable,
    'G': ww.logical_types.IntegerNullable,
    'GS': ww.logical_types.IntegerNullable,
    'CG': ww.logical_types.IntegerNullable,
    'SHO': ww.logical_types.IntegerNullable,
    'SV': ww.logical_types.IntegerNullable,
    'IPouts': ww.logical_types.IntegerNullable,
    'H': ww.logical_types.IntegerNullable,
    'ER': ww.logical_types.IntegerNullable,
    'HR': ww.logical_types.IntegerNullable,
    'BB': ww.logical_types.IntegerNullable,
    'SO': ww.logical_types.IntegerNullable,
    'BAOpp': ww.logical_types.IntegerNullable,
    'ERA': ww.logical_types.IntegerNullable,
    'IBB': ww.logical_types.IntegerNullable,
    'WP': ww.logical_types.IntegerNullable,
    'HBP': ww.logical_types.IntegerNullable,
    'BK': ww.logical_types.IntegerNullable,
    'BFP': ww.logical_types.IntegerNullable,
    'GF': ww.logical_types.IntegerNullable,
    'R': ww.logical_types.IntegerNullable,
    'id': ww.logical_types.Integer
}
pitching_test_pd.ww.init(logical_types=pitching_pd_logical_types, index='index', name='pitching')
pitching_train_pd.ww.init(logical_types=pitching_pd_logical_types, index='index', name='pitching')

add_index(pitchingpost_test_pd)
add_index(pitchingpost_train_pd)
pitchingpost_pd_logical_types = {
    'index': ww.logical_types.Integer,
    'round': ww.logical_types.Categorical,
    'lgID': ww.logical_types.Categorical,
    'teamID': ww.logical_types.Categorical,
    'W': ww.logical_types.IntegerNullable,
    'L': ww.logical_types.IntegerNullable,
    'G': ww.logical_types.IntegerNullable,
    'GS': ww.logical_types.IntegerNullable,
    'CG': ww.logical_types.IntegerNullable,
    'SHO': ww.logical_types.IntegerNullable,
    'SV': ww.logical_types.IntegerNullable,
    'IPouts': ww.logical_types.IntegerNullable,
    'H': ww.logical_types.IntegerNullable,
    'ER': ww.logical_types.IntegerNullable,
    'HR': ww.logical_types.IntegerNullable,
    'BB': ww.logical_types.IntegerNullable,
    'SO': ww.logical_types.IntegerNullable,
    'BAOpp': ww.logical_types.IntegerNullable,
    'ERA': ww.logical_types.IntegerNullable,
    'IBB': ww.logical_types.IntegerNullable,
    'WP': ww.logical_types.IntegerNullable,
    'HBP': ww.logical_types.IntegerNullable,
    'BK': ww.logical_types.IntegerNullable,
    'BFP': ww.logical_types.IntegerNullable,
    'GF': ww.logical_types.IntegerNullable,
    'R': ww.logical_types.Double,
    'SH': ww.logical_types.IntegerNullable,
    'SF': ww.logical_types.IntegerNullable,
    'GIDP': ww.logical_types.IntegerNullable,
    'id': ww.logical_types.Integer
}
pitchingpost_test_pd.ww.init(logical_types=pitchingpost_pd_logical_types, index='index', name='pitchingpost')
pitchingpost_train_pd.ww.init(logical_types=pitchingpost_pd_logical_types, index='index', name='pitchingpost')
def add_index(df): df.insert(0, "index", range(len(df))) population_pd_logical_types = { 'lgID': ww.logical_types.Categorical, 'teamIDCat': ww.logical_types.Categorical, 'playerID': ww.logical_types.Categorical, 'teamID': ww.logical_types.Categorical, 'yearID': ww.logical_types.Integer, 'salary': ww.logical_types.IntegerNullable, 'year': ww.logical_types.Datetime, 'id': ww.logical_types.Integer } population_test_pd.ww.init(logical_types=population_pd_logical_types, index='id', name='population') population_train_pd.ww.init(logical_types=population_pd_logical_types, index='id', name='population') add_index(allstarfull_test_pd) add_index(allstarfull_train_pd) allstarfull_pd_logical_types = { 'index': ww.logical_types.Integer, 'gameID': ww.logical_types.Categorical, 'teamID': ww.logical_types.Categorical, 'lgID': ww.logical_types.Categorical, 'gameNum': ww.logical_types.Categorical, 'GP': ww.logical_types.Categorical, 'startingPos': ww.logical_types.Categorical, 'id': ww.logical_types.Integer } allstarfull_test_pd.ww.init(logical_types=allstarfull_pd_logical_types, index='index', name='allstarfull') allstarfull_train_pd.ww.init(logical_types=allstarfull_pd_logical_types, index='index', name='allstarfull') add_index(awardsplayers_test_pd) add_index(awardsplayers_train_pd) awardsplayers_pd_logical_types = { 'index': ww.logical_types.Integer, 'awardID': ww.logical_types.Categorical, 'lgID': ww.logical_types.Categorical, 'notes': ww.logical_types.Categorical, 'id': ww.logical_types.Integer } awardsplayers_test_pd.ww.init(logical_types=awardsplayers_pd_logical_types, index='index', name='awardsplayers') awardsplayers_train_pd.ww.init(logical_types=awardsplayers_pd_logical_types, index='index', name='awardsplayers') add_index(awardsshareplayers_test_pd) add_index(awardsshareplayers_train_pd) awardsshareplayers_pd_logical_types = { 'index': ww.logical_types.Integer, 'awardID': ww.logical_types.Categorical, 'lgID': ww.logical_types.Categorical, 'pointsWon': ww.logical_types.IntegerNullable, 'pointsMax': ww.logical_types.Categorical, 'votesFirst': ww.logical_types.IntegerNullable, 'id': ww.logical_types.Integer } awardsshareplayers_test_pd.ww.init(logical_types=awardsshareplayers_pd_logical_types, index='index', name='awardsshareplayers') awardsshareplayers_train_pd.ww.init(logical_types=awardsshareplayers_pd_logical_types, index='index', name='awardsshareplayers') add_index(batting_test_pd) add_index(batting_train_pd) batting_pd_logical_types = { 'index': ww.logical_types.Integer, 'lgID': ww.logical_types.Categorical, 'teamID': ww.logical_types.Categorical, 'stint': ww.logical_types.Categorical, 'G': ww.logical_types.IntegerNullable, 'G_batting': ww.logical_types.IntegerNullable, 'AB': ww.logical_types.IntegerNullable, 'R': ww.logical_types.IntegerNullable, 'H': ww.logical_types.IntegerNullable, '2B': ww.logical_types.IntegerNullable, '3B': ww.logical_types.IntegerNullable, 'HR': ww.logical_types.IntegerNullable, 'RBI': ww.logical_types.IntegerNullable, 'SB': ww.logical_types.IntegerNullable, 'CS': ww.logical_types.IntegerNullable, 'BB': ww.logical_types.IntegerNullable, 'SO': ww.logical_types.IntegerNullable, 'IBB': ww.logical_types.IntegerNullable, 'HBP': ww.logical_types.IntegerNullable, 'SH': ww.logical_types.IntegerNullable, 'SF': ww.logical_types.IntegerNullable, 'GIDP': ww.logical_types.IntegerNullable, 'G_old': ww.logical_types.IntegerNullable, 'id': ww.logical_types.Integer } batting_test_pd.ww.init(logical_types=batting_pd_logical_types, index='index', name='batting') batting_train_pd.ww.init(logical_types=batting_pd_logical_types, index='index', name='batting') add_index(battingpost_test_pd) add_index(battingpost_train_pd) battingpost_pd_logical_types = { 'index': ww.logical_types.Integer, 'round': ww.logical_types.Categorical, 'lgID': ww.logical_types.Categorical, 'teamID': ww.logical_types.Categorical, 'G': ww.logical_types.IntegerNullable, 'AB': ww.logical_types.IntegerNullable, 'R': ww.logical_types.IntegerNullable, 'H': ww.logical_types.IntegerNullable, '2B': ww.logical_types.IntegerNullable, '3B': ww.logical_types.IntegerNullable, 'HR': ww.logical_types.IntegerNullable, 'RBI': ww.logical_types.IntegerNullable, 'SB': ww.logical_types.IntegerNullable, 'CS': ww.logical_types.IntegerNullable, 'BB': ww.logical_types.IntegerNullable, 'SO': ww.logical_types.IntegerNullable, 'IBB': ww.logical_types.IntegerNullable, 'HBP': ww.logical_types.IntegerNullable, 'SH': ww.logical_types.IntegerNullable, 'SF': ww.logical_types.IntegerNullable, 'GIDP': ww.logical_types.IntegerNullable, 'id': ww.logical_types.Integer } battingpost_test_pd.ww.init(logical_types=battingpost_pd_logical_types, index='index', name='battingpost') battingpost_train_pd.ww.init(logical_types=battingpost_pd_logical_types, index='index', name='battingpost') add_index(fielding_test_pd) add_index(fielding_train_pd) fielding_pd_logical_types = { 'index': ww.logical_types.Integer, 'lgID': ww.logical_types.Categorical, 'POS': ww.logical_types.Categorical, 'teamID': ww.logical_types.Categorical, 'stint': ww.logical_types.Categorical, 'G': ww.logical_types.IntegerNullable, 'GS': ww.logical_types.IntegerNullable, 'InnOuts': ww.logical_types.IntegerNullable, 'PO': ww.logical_types.IntegerNullable, 'A': ww.logical_types.IntegerNullable, 'E': ww.logical_types.IntegerNullable, 'DP': ww.logical_types.IntegerNullable, 'id': ww.logical_types.Integer } fielding_test_pd.ww.init(logical_types=fielding_pd_logical_types, index='index', name='fielding') fielding_train_pd.ww.init(logical_types=fielding_pd_logical_types, index='index', name='fielding') add_index(fieldingpost_test_pd) add_index(fieldingpost_train_pd) fieldingpost_pd_logical_types = { 'index': ww.logical_types.Integer, 'lgID': ww.logical_types.Categorical, 'round': ww.logical_types.Categorical, 'POS': ww.logical_types.Categorical, 'teamID': ww.logical_types.Categorical, 'G': ww.logical_types.IntegerNullable, 'GS': ww.logical_types.IntegerNullable, 'InnOuts': ww.logical_types.IntegerNullable, 'PO': ww.logical_types.IntegerNullable, 'A': ww.logical_types.IntegerNullable, 'E': ww.logical_types.IntegerNullable, 'DP': ww.logical_types.IntegerNullable, 'TP': ww.logical_types.IntegerNullable, 'SB': ww.logical_types.IntegerNullable, 'CS': ww.logical_types.IntegerNullable, 'id': ww.logical_types.Integer } fieldingpost_test_pd.ww.init(logical_types=fieldingpost_pd_logical_types, index='index', name='fieldingpost') fieldingpost_train_pd.ww.init(logical_types=fieldingpost_pd_logical_types, index='index', name='fieldingpost') add_index(pitching_test_pd) add_index(pitching_train_pd) pitching_pd_logical_types = { 'index': ww.logical_types.Integer, 'lgID': ww.logical_types.Categorical, 'teamID': ww.logical_types.Categorical, 'stint': ww.logical_types.Categorical, 'W': ww.logical_types.IntegerNullable, 'L': ww.logical_types.IntegerNullable, 'G': ww.logical_types.IntegerNullable, 'GS': ww.logical_types.IntegerNullable, 'CG': ww.logical_types.IntegerNullable, 'SHO': ww.logical_types.IntegerNullable, 'SV': ww.logical_types.IntegerNullable, 'IPouts': ww.logical_types.IntegerNullable, 'H': ww.logical_types.IntegerNullable, 'ER': ww.logical_types.IntegerNullable, 'HR': ww.logical_types.IntegerNullable, 'BB': ww.logical_types.IntegerNullable, 'SO': ww.logical_types.IntegerNullable, 'BAOpp': ww.logical_types.IntegerNullable, 'ERA': ww.logical_types.IntegerNullable, 'IBB': ww.logical_types.IntegerNullable, 'WP': ww.logical_types.IntegerNullable, 'HBP': ww.logical_types.IntegerNullable, 'BK': ww.logical_types.IntegerNullable, 'BFP': ww.logical_types.IntegerNullable, 'GF': ww.logical_types.IntegerNullable, 'R': ww.logical_types.IntegerNullable, 'id': ww.logical_types.Integer } pitching_test_pd.ww.init(logical_types=pitching_pd_logical_types, index='index', name='pitching') pitching_train_pd.ww.init(logical_types=pitching_pd_logical_types, index='index', name='pitching') add_index(pitchingpost_test_pd) add_index(pitchingpost_train_pd) pitchingpost_pd_logical_types = { 'index': ww.logical_types.Integer, 'round': ww.logical_types.Categorical, 'lgID': ww.logical_types.Categorical, 'teamID': ww.logical_types.Categorical, 'W': ww.logical_types.IntegerNullable, 'L': ww.logical_types.IntegerNullable, 'G': ww.logical_types.IntegerNullable, 'GS': ww.logical_types.IntegerNullable, 'CG': ww.logical_types.IntegerNullable, 'SHO': ww.logical_types.IntegerNullable, 'SV': ww.logical_types.IntegerNullable, 'IPouts': ww.logical_types.IntegerNullable, 'H': ww.logical_types.IntegerNullable, 'ER': ww.logical_types.IntegerNullable, 'HR': ww.logical_types.IntegerNullable, 'BB': ww.logical_types.IntegerNullable, 'SO': ww.logical_types.IntegerNullable, 'BAOpp': ww.logical_types.IntegerNullable, 'ERA': ww.logical_types.IntegerNullable, 'IBB': ww.logical_types.IntegerNullable, 'WP': ww.logical_types.IntegerNullable, 'HBP': ww.logical_types.IntegerNullable, 'BK': ww.logical_types.IntegerNullable, 'BFP': ww.logical_types.IntegerNullable, 'GF': ww.logical_types.IntegerNullable, 'R': ww.logical_types.Double, 'SH': ww.logical_types.IntegerNullable, 'SF': ww.logical_types.IntegerNullable, 'GIDP': ww.logical_types.IntegerNullable, 'id': ww.logical_types.Integer } pitchingpost_test_pd.ww.init(logical_types=pitchingpost_pd_logical_types, index='index', name='pitchingpost') pitchingpost_train_pd.ww.init(logical_types=pitchingpost_pd_logical_types, index='index', name='pitchingpost')

In [54]:

  Copied!     
 
dataframes_train = {
    "population" : (population_train_pd, ),
    "allstarfull": (allstarfull_train_pd, ),
    "awardsplayers": (awardsplayers_train_pd, ),
    "awardsshareplayers": (awardsshareplayers_train_pd, ),
    "batting": (batting_train_pd, ),
    "battingpost": (battingpost_train_pd, ),
    "fielding": (fielding_train_pd, ),
    "fieldingpost": (fieldingpost_train_pd, ),
    "pitching": (pitching_train_pd, ),
    "pitchingpost": (pitchingpost_train_pd, ),
}
dataframes_train = { "population" : (population_train_pd, ), "allstarfull": (allstarfull_train_pd, ), "awardsplayers": (awardsplayers_train_pd, ), "awardsshareplayers": (awardsshareplayers_train_pd, ), "batting": (batting_train_pd, ), "battingpost": (battingpost_train_pd, ), "fielding": (fielding_train_pd, ), "fieldingpost": (fieldingpost_train_pd, ), "pitching": (pitching_train_pd, ), "pitchingpost": (pitchingpost_train_pd, ), }

In [55]:

  Copied!     
 
dataframes_test = {
    "population" : (population_test_pd, ),
    "allstarfull": (allstarfull_test_pd, ),
    "awardsplayers": (awardsplayers_test_pd, ),
    "awardsshareplayers": (awardsshareplayers_test_pd, ),
    "batting": (batting_test_pd, ),
    "battingpost": (battingpost_test_pd, ),
    "fielding": (fielding_test_pd, ),
    "fieldingpost": (fieldingpost_test_pd, ),
    "pitching": (pitching_test_pd, ),
    "pitchingpost": (pitchingpost_test_pd, ),
}
dataframes_test = { "population" : (population_test_pd, ), "allstarfull": (allstarfull_test_pd, ), "awardsplayers": (awardsplayers_test_pd, ), "awardsshareplayers": (awardsshareplayers_test_pd, ), "batting": (batting_test_pd, ), "battingpost": (battingpost_test_pd, ), "fielding": (fielding_test_pd, ), "fieldingpost": (fieldingpost_test_pd, ), "pitching": (pitching_test_pd, ), "pitchingpost": (pitchingpost_test_pd, ), }

In [56]:

  Copied!     
 
relationships = [
    ("population", "id", "allstarfull", "id"),
    ("population", "id", "awardsplayers", "id"),
    ("population", "id", "awardsshareplayers", "id"),
    ("population", "id", "batting", "id"),
    ("population", "id", "battingpost", "id"),
    ("population", "id", "fielding", "id"),
    ("population", "id", "fieldingpost", "id"),
    ("population", "id", "pitching", "id"),
    ("population", "id", "pitchingpost", "id"),
]
relationships = [ ("population", "id", "allstarfull", "id"), ("population", "id", "awardsplayers", "id"), ("population", "id", "awardsshareplayers", "id"), ("population", "id", "batting", "id"), ("population", "id", "battingpost", "id"), ("population", "id", "fielding", "id"), ("population", "id", "fieldingpost", "id"), ("population", "id", "pitching", "id"), ("population", "id", "pitchingpost", "id"), ]

In [57]:

  Copied!     
 
featuretools_train_pd = featuretools.dfs(
    dataframes=dataframes_train,
    relationships=relationships,
    target_dataframe_name="population")[0]
featuretools_train_pd = featuretools.dfs( dataframes=dataframes_train, relationships=relationships, target_dataframe_name="population")[0]

In [58]:

  Copied!     
 
featuretools_test_pd = featuretools.dfs(
    dataframes=dataframes_test,
    relationships=relationships,
    target_dataframe_name="population")[0]
featuretools_test_pd = featuretools.dfs( dataframes=dataframes_test, relationships=relationships, target_dataframe_name="population")[0]

In [59]:

  Copied!     
 
featuretools_train_pd.replace([np.inf, -np.inf], np.nan, inplace=True)
featuretools_test_pd.replace([np.inf, -np.inf], np.nan, inplace=True)
featuretools_train_pd.replace([np.inf, -np.inf], np.nan, inplace=True) featuretools_test_pd.replace([np.inf, -np.inf], np.nan, inplace=True)

In [60]:

  Copied!     
 
featuretools_train = getml.data.DataFrame.from_pandas(featuretools_train_pd, "featuretools_train")
featuretools_test = getml.data.DataFrame.from_pandas(featuretools_test_pd, "featuretools_test")
featuretools_train = getml.data.DataFrame.from_pandas(featuretools_train_pd, "featuretools_train") featuretools_test = getml.data.DataFrame.from_pandas(featuretools_test_pd, "featuretools_test")

In [61]:

  Copied!     
 
featuretools_train.set_role("salary", getml.data.roles.target)
featuretools_train.set_role(featuretools_train.roles.unused_float, getml.data.roles.numerical)
featuretools_train.set_role(featuretools_train.roles.unused_string, getml.data.roles.categorical)

featuretools_train
featuretools_train.set_role("salary", getml.data.roles.target) featuretools_train.set_role(featuretools_train.roles.unused_float, getml.data.roles.numerical) featuretools_train.set_role(featuretools_train.roles.unused_string, getml.data.roles.categorical) featuretools_train

Out[61]:

name	salary	lgID	teamIDCat	playerID	teamID	COUNT(allstarfull)	MODE(allstarfull.GP)	MODE(allstarfull.gameID)	MODE(allstarfull.gameNum)	MODE(allstarfull.lgID)	MODE(allstarfull.startingPos)	MODE(allstarfull.teamID)	NUM_UNIQUE(allstarfull.GP)	NUM_UNIQUE(allstarfull.gameID)	NUM_UNIQUE(allstarfull.gameNum)	NUM_UNIQUE(allstarfull.lgID)	NUM_UNIQUE(allstarfull.startingPos)	NUM_UNIQUE(allstarfull.teamID)	COUNT(awardsplayers)	MODE(awardsplayers.awardID)	MODE(awardsplayers.lgID)	MODE(awardsplayers.notes)	NUM_UNIQUE(awardsplayers.awardID)	NUM_UNIQUE(awardsplayers.lgID)	NUM_UNIQUE(awardsplayers.notes)	COUNT(awardsshareplayers)	MODE(awardsshareplayers.awardID)	MODE(awardsshareplayers.lgID)	MODE(awardsshareplayers.pointsMax)	NUM_UNIQUE(awardsshareplayers.awardID)	NUM_UNIQUE(awardsshareplayers.lgID)	NUM_UNIQUE(awardsshareplayers.pointsMax)	COUNT(batting)	MODE(batting.lgID)	MODE(batting.stint)	MODE(batting.teamID)	NUM_UNIQUE(batting.lgID)	NUM_UNIQUE(batting.stint)	NUM_UNIQUE(batting.teamID)	COUNT(battingpost)	MODE(battingpost.lgID)	MODE(battingpost.round)	MODE(battingpost.teamID)	NUM_UNIQUE(battingpost.lgID)	NUM_UNIQUE(battingpost.round)	NUM_UNIQUE(battingpost.teamID)	COUNT(fielding)	MODE(fielding.POS)	MODE(fielding.lgID)	MODE(fielding.stint)	MODE(fielding.teamID)	NUM_UNIQUE(fielding.POS)	NUM_UNIQUE(fielding.lgID)	NUM_UNIQUE(fielding.stint)	NUM_UNIQUE(fielding.teamID)	COUNT(fieldingpost)	MODE(fieldingpost.POS)	MODE(fieldingpost.lgID)	MODE(fieldingpost.round)	MODE(fieldingpost.teamID)	NUM_UNIQUE(fieldingpost.POS)	NUM_UNIQUE(fieldingpost.lgID)	NUM_UNIQUE(fieldingpost.round)	NUM_UNIQUE(fieldingpost.teamID)	COUNT(pitching)	MODE(pitching.lgID)	MODE(pitching.stint)	MODE(pitching.teamID)	NUM_UNIQUE(pitching.lgID)	NUM_UNIQUE(pitching.stint)	NUM_UNIQUE(pitching.teamID)	COUNT(pitchingpost)	MODE(pitchingpost.lgID)	MODE(pitchingpost.round)	MODE(pitchingpost.teamID)	NUM_UNIQUE(pitchingpost.lgID)	NUM_UNIQUE(pitchingpost.round)	NUM_UNIQUE(pitchingpost.teamID)	DAY(year)	MONTH(year)	WEEKDAY(year)	YEAR(year)	yearID	MAX(awardsshareplayers.pointsWon)	MAX(awardsshareplayers.votesFirst)	MEAN(awardsshareplayers.pointsWon)	MEAN(awardsshareplayers.votesFirst)	MIN(awardsshareplayers.pointsWon)	MIN(awardsshareplayers.votesFirst)	SKEW(awardsshareplayers.pointsWon)	SKEW(awardsshareplayers.votesFirst)	STD(awardsshareplayers.pointsWon)	STD(awardsshareplayers.votesFirst)	SUM(awardsshareplayers.pointsWon)	SUM(awardsshareplayers.votesFirst)	MAX(batting.2B)	MAX(batting.3B)	MAX(batting.AB)	MAX(batting.BB)	MAX(batting.CS)	MAX(batting.G)	MAX(batting.GIDP)	MAX(batting.G_batting)	MAX(batting.G_old)	MAX(batting.H)	MAX(batting.HBP)	MAX(batting.HR)	MAX(batting.IBB)	MAX(batting.R)	MAX(batting.RBI)	MAX(batting.SB)	MAX(batting.SF)	MAX(batting.SH)	MAX(batting.SO)	MEAN(batting.2B)	MEAN(batting.3B)	MEAN(batting.AB)	MEAN(batting.BB)	MEAN(batting.CS)	MEAN(batting.G)	MEAN(batting.GIDP)	MEAN(batting.G_batting)	MEAN(batting.G_old)	MEAN(batting.H)	MEAN(batting.HBP)	MEAN(batting.HR)	MEAN(batting.IBB)	MEAN(batting.R)	MEAN(batting.RBI)	MEAN(batting.SB)	MEAN(batting.SF)	MEAN(batting.SH)	MEAN(batting.SO)	MIN(batting.2B)	MIN(batting.3B)	MIN(batting.AB)	MIN(batting.BB)	MIN(batting.CS)	MIN(batting.G)	MIN(batting.GIDP)	MIN(batting.G_batting)	MIN(batting.G_old)	MIN(batting.H)	MIN(batting.HBP)	MIN(batting.HR)	MIN(batting.IBB)	MIN(batting.R)	MIN(batting.RBI)	MIN(batting.SB)	MIN(batting.SF)	MIN(batting.SH)	MIN(batting.SO)	SKEW(batting.2B)	SKEW(batting.3B)	SKEW(batting.AB)	SKEW(batting.BB)	SKEW(batting.CS)	SKEW(batting.G)	SKEW(batting.GIDP)	SKEW(batting.G_batting)	SKEW(batting.G_old)	SKEW(batting.H)	SKEW(batting.HBP)	SKEW(batting.HR)	SKEW(batting.IBB)	SKEW(batting.R)	SKEW(batting.RBI)	SKEW(batting.SB)	SKEW(batting.SF)	SKEW(batting.SH)	SKEW(batting.SO)	STD(batting.2B)	STD(batting.3B)	STD(batting.AB)	STD(batting.BB)	STD(batting.CS)	STD(batting.G)	STD(batting.GIDP)	STD(batting.G_batting)	STD(batting.G_old)	STD(batting.H)	STD(batting.HBP)	STD(batting.HR)	STD(batting.IBB)	STD(batting.R)	STD(batting.RBI)	STD(batting.SB)	STD(batting.SF)	STD(batting.SH)	STD(batting.SO)	SUM(batting.2B)	SUM(batting.3B)	SUM(batting.AB)	SUM(batting.BB)	SUM(batting.CS)	SUM(batting.G)	SUM(batting.GIDP)	SUM(batting.G_batting)	SUM(batting.G_old)	SUM(batting.H)	SUM(batting.HBP)	SUM(batting.HR)	SUM(batting.IBB)	SUM(batting.R)	SUM(batting.RBI)	SUM(batting.SB)	SUM(batting.SF)	SUM(batting.SH)	SUM(batting.SO)	MAX(battingpost.2B)	MAX(battingpost.3B)	MAX(battingpost.AB)	MAX(battingpost.BB)	MAX(battingpost.CS)	MAX(battingpost.G)	MAX(battingpost.GIDP)	MAX(battingpost.H)	MAX(battingpost.HBP)	MAX(battingpost.HR)	MAX(battingpost.IBB)	MAX(battingpost.R)	MAX(battingpost.RBI)	MAX(battingpost.SB)	MAX(battingpost.SF)	MAX(battingpost.SH)	MAX(battingpost.SO)	MEAN(battingpost.2B)	MEAN(battingpost.3B)	MEAN(battingpost.AB)	MEAN(battingpost.BB)	MEAN(battingpost.CS)	MEAN(battingpost.G)	MEAN(battingpost.GIDP)	MEAN(battingpost.H)	MEAN(battingpost.HBP)	MEAN(battingpost.HR)	MEAN(battingpost.IBB)	MEAN(battingpost.R)	MEAN(battingpost.RBI)	MEAN(battingpost.SB)	MEAN(battingpost.SF)	MEAN(battingpost.SH)	MEAN(battingpost.SO)	MIN(battingpost.2B)	MIN(battingpost.3B)	MIN(battingpost.AB)	MIN(battingpost.BB)	MIN(battingpost.CS)	MIN(battingpost.G)	MIN(battingpost.GIDP)	MIN(battingpost.H)	MIN(battingpost.HBP)	MIN(battingpost.HR)	MIN(battingpost.IBB)	MIN(battingpost.R)	MIN(battingpost.RBI)	MIN(battingpost.SB)	MIN(battingpost.SF)	MIN(battingpost.SH)	MIN(battingpost.SO)	SKEW(battingpost.2B)	SKEW(battingpost.3B)	SKEW(battingpost.AB)	SKEW(battingpost.BB)	SKEW(battingpost.CS)	SKEW(battingpost.G)	SKEW(battingpost.GIDP)	SKEW(battingpost.H)	SKEW(battingpost.HBP)	SKEW(battingpost.HR)	SKEW(battingpost.IBB)	SKEW(battingpost.R)	SKEW(battingpost.RBI)	SKEW(battingpost.SB)	SKEW(battingpost.SF)	SKEW(battingpost.SH)	SKEW(battingpost.SO)	STD(battingpost.2B)	STD(battingpost.3B)	STD(battingpost.AB)	STD(battingpost.BB)	STD(battingpost.CS)	STD(battingpost.G)	STD(battingpost.GIDP)	STD(battingpost.H)	STD(battingpost.HBP)	STD(battingpost.HR)	STD(battingpost.IBB)	STD(battingpost.R)	STD(battingpost.RBI)	STD(battingpost.SB)	STD(battingpost.SF)	STD(battingpost.SH)	STD(battingpost.SO)	SUM(battingpost.2B)	SUM(battingpost.3B)	SUM(battingpost.AB)	SUM(battingpost.BB)	SUM(battingpost.CS)	SUM(battingpost.G)	SUM(battingpost.GIDP)	SUM(battingpost.H)	SUM(battingpost.HBP)	SUM(battingpost.HR)	SUM(battingpost.IBB)	SUM(battingpost.R)	SUM(battingpost.RBI)	SUM(battingpost.SB)	SUM(battingpost.SF)	SUM(battingpost.SH)	SUM(battingpost.SO)	MAX(fielding.A)	MAX(fielding.DP)	MAX(fielding.E)	MAX(fielding.G)	MAX(fielding.GS)	MAX(fielding.InnOuts)	MAX(fielding.PO)	MEAN(fielding.A)	MEAN(fielding.DP)	MEAN(fielding.E)	MEAN(fielding.G)	MEAN(fielding.GS)	MEAN(fielding.InnOuts)	MEAN(fielding.PO)	MIN(fielding.A)	MIN(fielding.DP)	MIN(fielding.E)	MIN(fielding.G)	MIN(fielding.GS)	MIN(fielding.InnOuts)	MIN(fielding.PO)	SKEW(fielding.A)	SKEW(fielding.DP)	SKEW(fielding.E)	SKEW(fielding.G)	SKEW(fielding.GS)	SKEW(fielding.InnOuts)	SKEW(fielding.PO)	STD(fielding.A)	STD(fielding.DP)	STD(fielding.E)	STD(fielding.G)	STD(fielding.GS)	STD(fielding.InnOuts)	STD(fielding.PO)	SUM(fielding.A)	SUM(fielding.DP)	SUM(fielding.E)	SUM(fielding.G)	SUM(fielding.GS)	SUM(fielding.InnOuts)	SUM(fielding.PO)	MAX(fieldingpost.A)	MAX(fieldingpost.CS)	MAX(fieldingpost.DP)	MAX(fieldingpost.E)	MAX(fieldingpost.G)	MAX(fieldingpost.GS)	MAX(fieldingpost.InnOuts)	MAX(fieldingpost.PO)	MAX(fieldingpost.SB)	MAX(fieldingpost.TP)	MEAN(fieldingpost.A)	MEAN(fieldingpost.CS)	MEAN(fieldingpost.DP)	MEAN(fieldingpost.E)	MEAN(fieldingpost.G)	MEAN(fieldingpost.GS)	MEAN(fieldingpost.InnOuts)	MEAN(fieldingpost.PO)	MEAN(fieldingpost.SB)	MEAN(fieldingpost.TP)	MIN(fieldingpost.A)	MIN(fieldingpost.CS)	MIN(fieldingpost.DP)	MIN(fieldingpost.E)	MIN(fieldingpost.G)	MIN(fieldingpost.GS)	MIN(fieldingpost.InnOuts)	MIN(fieldingpost.PO)	MIN(fieldingpost.SB)	MIN(fieldingpost.TP)	SKEW(fieldingpost.A)	SKEW(fieldingpost.CS)	SKEW(fieldingpost.DP)	SKEW(fieldingpost.E)	SKEW(fieldingpost.G)	SKEW(fieldingpost.GS)	SKEW(fieldingpost.InnOuts)	SKEW(fieldingpost.PO)	SKEW(fieldingpost.SB)	SKEW(fieldingpost.TP)	STD(fieldingpost.A)	STD(fieldingpost.CS)	STD(fieldingpost.DP)	STD(fieldingpost.E)	STD(fieldingpost.G)	STD(fieldingpost.GS)	STD(fieldingpost.InnOuts)	STD(fieldingpost.PO)	STD(fieldingpost.SB)	STD(fieldingpost.TP)	SUM(fieldingpost.A)	SUM(fieldingpost.CS)	SUM(fieldingpost.DP)	SUM(fieldingpost.E)	SUM(fieldingpost.G)	SUM(fieldingpost.GS)	SUM(fieldingpost.InnOuts)	SUM(fieldingpost.PO)	SUM(fieldingpost.SB)	SUM(fieldingpost.TP)	MAX(pitching.BAOpp)	MAX(pitching.BB)	MAX(pitching.BFP)	MAX(pitching.BK)	MAX(pitching.CG)	MAX(pitching.ER)	MAX(pitching.ERA)	MAX(pitching.G)	MAX(pitching.GF)	MAX(pitching.GS)	MAX(pitching.H)	MAX(pitching.HBP)	MAX(pitching.HR)	MAX(pitching.IBB)	MAX(pitching.IPouts)	MAX(pitching.L)	MAX(pitching.R)	MAX(pitching.SHO)	MAX(pitching.SO)	MAX(pitching.SV)	MAX(pitching.W)	MAX(pitching.WP)	MEAN(pitching.BAOpp)	MEAN(pitching.BB)	MEAN(pitching.BFP)	MEAN(pitching.BK)	MEAN(pitching.CG)	MEAN(pitching.ER)	MEAN(pitching.ERA)	MEAN(pitching.G)	MEAN(pitching.GF)	MEAN(pitching.GS)	MEAN(pitching.H)	MEAN(pitching.HBP)	MEAN(pitching.HR)	MEAN(pitching.IBB)	MEAN(pitching.IPouts)	MEAN(pitching.L)	MEAN(pitching.R)	MEAN(pitching.SHO)	MEAN(pitching.SO)	MEAN(pitching.SV)	MEAN(pitching.W)	MEAN(pitching.WP)	MIN(pitching.BAOpp)	MIN(pitching.BB)	MIN(pitching.BFP)	MIN(pitching.BK)	MIN(pitching.CG)	MIN(pitching.ER)	MIN(pitching.ERA)	MIN(pitching.G)	MIN(pitching.GF)	MIN(pitching.GS)	MIN(pitching.H)	MIN(pitching.HBP)	MIN(pitching.HR)	MIN(pitching.IBB)	MIN(pitching.IPouts)	MIN(pitching.L)	MIN(pitching.R)	MIN(pitching.SHO)	MIN(pitching.SO)	MIN(pitching.SV)	MIN(pitching.W)	MIN(pitching.WP)	SKEW(pitching.BAOpp)	SKEW(pitching.BB)	SKEW(pitching.BFP)	SKEW(pitching.BK)	SKEW(pitching.CG)	SKEW(pitching.ER)	SKEW(pitching.ERA)	SKEW(pitching.G)	SKEW(pitching.GF)	SKEW(pitching.GS)	SKEW(pitching.H)	SKEW(pitching.HBP)	SKEW(pitching.HR)	SKEW(pitching.IBB)	SKEW(pitching.IPouts)	SKEW(pitching.L)	SKEW(pitching.R)	SKEW(pitching.SHO)	SKEW(pitching.SO)	SKEW(pitching.SV)	SKEW(pitching.W)	SKEW(pitching.WP)	STD(pitching.BAOpp)	STD(pitching.BB)	STD(pitching.BFP)	STD(pitching.BK)	STD(pitching.CG)	STD(pitching.ER)	STD(pitching.ERA)	STD(pitching.G)	STD(pitching.GF)	STD(pitching.GS)	STD(pitching.H)	STD(pitching.HBP)	STD(pitching.HR)	STD(pitching.IBB)	STD(pitching.IPouts)	STD(pitching.L)	STD(pitching.R)	STD(pitching.SHO)	STD(pitching.SO)	STD(pitching.SV)	STD(pitching.W)	STD(pitching.WP)	SUM(pitching.BAOpp)	SUM(pitching.BB)	SUM(pitching.BFP)	SUM(pitching.BK)	SUM(pitching.CG)	SUM(pitching.ER)	SUM(pitching.ERA)	SUM(pitching.G)	SUM(pitching.GF)	SUM(pitching.GS)	SUM(pitching.H)	SUM(pitching.HBP)	SUM(pitching.HR)	SUM(pitching.IBB)	SUM(pitching.IPouts)	SUM(pitching.L)	SUM(pitching.R)	SUM(pitching.SHO)	SUM(pitching.SO)	SUM(pitching.SV)	SUM(pitching.W)	SUM(pitching.WP)	MAX(pitchingpost.BAOpp)	MAX(pitchingpost.BB)	MAX(pitchingpost.BFP)	MAX(pitchingpost.BK)	MAX(pitchingpost.CG)	MAX(pitchingpost.ER)	MAX(pitchingpost.ERA)	MAX(pitchingpost.G)	MAX(pitchingpost.GF)	MAX(pitchingpost.GIDP)	MAX(pitchingpost.GS)	MAX(pitchingpost.H)	MAX(pitchingpost.HBP)	MAX(pitchingpost.HR)	MAX(pitchingpost.IBB)	MAX(pitchingpost.IPouts)	MAX(pitchingpost.L)	MAX(pitchingpost.R)	MAX(pitchingpost.SF)	MAX(pitchingpost.SH)	MAX(pitchingpost.SHO)	MAX(pitchingpost.SO)	MAX(pitchingpost.SV)	MAX(pitchingpost.W)	MAX(pitchingpost.WP)	MEAN(pitchingpost.BAOpp)	MEAN(pitchingpost.BB)	MEAN(pitchingpost.BFP)	MEAN(pitchingpost.BK)	MEAN(pitchingpost.CG)	MEAN(pitchingpost.ER)	MEAN(pitchingpost.ERA)	MEAN(pitchingpost.G)	MEAN(pitchingpost.GF)	MEAN(pitchingpost.GIDP)	MEAN(pitchingpost.GS)	MEAN(pitchingpost.H)	MEAN(pitchingpost.HBP)	MEAN(pitchingpost.HR)	MEAN(pitchingpost.IBB)	MEAN(pitchingpost.IPouts)	MEAN(pitchingpost.L)	MEAN(pitchingpost.R)	MEAN(pitchingpost.SF)	MEAN(pitchingpost.SH)	MEAN(pitchingpost.SHO)	MEAN(pitchingpost.SO)	MEAN(pitchingpost.SV)	MEAN(pitchingpost.W)	MEAN(pitchingpost.WP)	MIN(pitchingpost.BAOpp)	MIN(pitchingpost.BB)	MIN(pitchingpost.BFP)	MIN(pitchingpost.BK)	MIN(pitchingpost.CG)	MIN(pitchingpost.ER)	MIN(pitchingpost.ERA)	MIN(pitchingpost.G)	MIN(pitchingpost.GF)	MIN(pitchingpost.GIDP)	MIN(pitchingpost.GS)	MIN(pitchingpost.H)	MIN(pitchingpost.HBP)	MIN(pitchingpost.HR)	MIN(pitchingpost.IBB)	MIN(pitchingpost.IPouts)	MIN(pitchingpost.L)	MIN(pitchingpost.R)	MIN(pitchingpost.SF)	MIN(pitchingpost.SH)	MIN(pitchingpost.SHO)	MIN(pitchingpost.SO)	MIN(pitchingpost.SV)	MIN(pitchingpost.W)	MIN(pitchingpost.WP)	SKEW(pitchingpost.BAOpp)	SKEW(pitchingpost.BB)	SKEW(pitchingpost.BFP)	SKEW(pitchingpost.BK)	SKEW(pitchingpost.CG)	SKEW(pitchingpost.ER)	SKEW(pitchingpost.ERA)	SKEW(pitchingpost.G)	SKEW(pitchingpost.GF)	SKEW(pitchingpost.GIDP)	SKEW(pitchingpost.GS)	SKEW(pitchingpost.H)	SKEW(pitchingpost.HBP)	SKEW(pitchingpost.HR)	SKEW(pitchingpost.IBB)	SKEW(pitchingpost.IPouts)	SKEW(pitchingpost.L)	SKEW(pitchingpost.R)	SKEW(pitchingpost.SF)	SKEW(pitchingpost.SH)	SKEW(pitchingpost.SHO)	SKEW(pitchingpost.SO)	SKEW(pitchingpost.SV)	SKEW(pitchingpost.W)	SKEW(pitchingpost.WP)	STD(pitchingpost.BAOpp)	STD(pitchingpost.BB)	STD(pitchingpost.BFP)	STD(pitchingpost.BK)	STD(pitchingpost.CG)	STD(pitchingpost.ER)	STD(pitchingpost.ERA)	STD(pitchingpost.G)	STD(pitchingpost.GF)	STD(pitchingpost.GIDP)	STD(pitchingpost.GS)	STD(pitchingpost.H)	STD(pitchingpost.HBP)	STD(pitchingpost.HR)	STD(pitchingpost.IBB)	STD(pitchingpost.IPouts)	STD(pitchingpost.L)	STD(pitchingpost.R)	STD(pitchingpost.SF)	STD(pitchingpost.SH)	STD(pitchingpost.SHO)	STD(pitchingpost.SO)	STD(pitchingpost.SV)	STD(pitchingpost.W)	STD(pitchingpost.WP)	SUM(pitchingpost.BAOpp)	SUM(pitchingpost.BB)	SUM(pitchingpost.BFP)	SUM(pitchingpost.BK)	SUM(pitchingpost.CG)	SUM(pitchingpost.ER)	SUM(pitchingpost.ERA)	SUM(pitchingpost.G)	SUM(pitchingpost.GF)	SUM(pitchingpost.GIDP)	SUM(pitchingpost.GS)	SUM(pitchingpost.H)	SUM(pitchingpost.HBP)	SUM(pitchingpost.HR)	SUM(pitchingpost.IBB)	SUM(pitchingpost.IPouts)	SUM(pitchingpost.L)	SUM(pitchingpost.R)	SUM(pitchingpost.SF)	SUM(pitchingpost.SH)	SUM(pitchingpost.SHO)	SUM(pitchingpost.SO)	SUM(pitchingpost.SV)	SUM(pitchingpost.W)	SUM(pitchingpost.WP)
role	target	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical
0	870000	NL	ATL	barkele01	ATL	1	1	ALS198108090	0	AL	NULL	CLE	1	1	1	1	0	1	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	10	AL	1	CLE	2	2	3	0	NULL	NULL	NULL	NULL	NULL	NULL	10	P	AL	1	CLE	1	2	2	3	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	10	AL	1	CLE	2	2	3	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	1	1985	1985	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	1	0	38	6	0	36	1	21	36	2	0	0	0	2	1	0	0	4	19	0.5	0	23	3	0	21.7	0.5	2.7	21.7	1.5	0	0	0	1.5	0.5	0	0	3	12	0	0	8	0	0	2	0	0	2	1	0	0	0	1	0	0	0	2	5	nan	nan	nan	nan	nan	-0.6626	nan	2.773	-0.6626	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0.7071	0	21.2132	4.2426	0	11.1759	0.7071	6.7007	11.1759	0.7071	0	0	0	0.7071	0.7071	0	0	1.4142	9.8995	1	0	46	6	0	217	1	27	217	3	0	0	0	3	1	0	0	6	24	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	34	3	2	36	36	739	23	16.2	1.2	1.2	21.7	16.5	361.9	7.1	2	0	0	2	0	45	0	0.4213	0.6014	-0.4725	-0.6626	0.0872	0.3367	1.8029	10.0863	0.9189	0.9189	11.1759	13.0491	249.7009	6.4713	162	12	12	217	165	3619	71	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	92	1052	1	10	114	5	36	15	36	237	3	17	3	739	13	127	3	187	4	19	14	0	45.9	514.1	0.2	3.5	56.1	3.3	21.7	2.5	16.5	115.1	1.8	8	1.8	361.9	6.6	61.3	0.7	90.6	0.5	7	6.2	0	6	56	0	0	4	2	2	0	0	7	0	0	0	45	0	4	0	7	0	1	1	0	0.3966	0.2943	1.7788	0.7966	0.08345	0.2342	-0.6626	2.2162	0.0872	0.09068	-0.6014	0.2625	-0.6606	0.3367	-0.009864	0.1508	1.7178	0.3541	2.8525	0.9886	0.6971	0	29.7263	351.6881	0.4216	4.0069	39.7309	0.9487	11.1759	4.9497	13.0491	78.3162	0.9189	6.7987	1.1353	249.7009	4.5019	43.5917	0.9487	63.9986	1.2693	6.0369	4.0497	0	459	5141	2	35	561	33	217	25	165	1151	18	80	18	3619	66	613	7	906	5	70	62	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
1	550000	NL	ATL	bedrost01	ATL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	Rookie of the Year	NL	120	1	1	1	4	NL	1	ATL	1	1	1	1	NL	NLCS	ATL	1	1	1	4	P	NL	1	ATL	1	1	1	1	1	P	NL	NLCS	ATL	1	1	1	1	4	NL	1	ATL	1	1	1	1	NL	NLCS	ATL	1	1	1	1	1	1	1985	1985	4	0	4	0	4	0	nan	nan	nan	nan	4	0	0	0	26	1	0	70	0	70	70	2	0	0	0	0	0	0	0	4	9	0	0	16	0.25	0	47.25	0	47.25	47.25	1.25	0	0	0	0	0	0	0	1.5	5.75	0	0	2	0	0	15	0	15	15	0	0	0	0	0	0	0	0	0	1	0	0	-1.1105	2.	0	-0.7352	0	-0.7352	-0.7352	-0.8546	0	0	0	0	0	0	0	1.5396	-1.1985	0	0	10.0995	0.5	0	25.1048	0	25.1048	25.1048	0.9574	0	0	0	0	0	0	0	1.7321	3.4034	0	0	64	1	0	189	0	189	189	5	0	0	0	0	0	0	0	6	23	0	0	0	0	0	2	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	2	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	2	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	2	0	0	0	0	0	0	0	0	0	0	0	16	2	1	70	4	413	12	10	1.25	0.5	47.25	2.25	274.25	4.5	2	0	0	15	1	73	1	-0.6325	-0.8546	0	-0.7352	0.3704	-0.9572	1.5966	6.3246	0.9574	0.5774	25.1048	1.5	150.163	5.1962	40	5	2	189	9	1097	18	0	0	0	0	2	0	3	0	0	0	0	0	0	0	2	0	3	0	0	0	0	0	0	0	2	0	3	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	2	0	3	0	0	0	0	57	567	0	0	48	4	70	52	4	102	4	11	8	413	10	50	0	123	19	9	4	0	39	380.5	0	0	29.75	2.75	47.25	28.75	2.25	70.5	2.5	6.25	5	274.25	6	31.5	0	81.75	10.25	6.75	1.5	0	15	106	0	0	12	2	15	5	1	15	1	2	2	73	2	14	0	9	0	1	0	0	-0.6325	-0.9498	0	0	0.06631	0.8546	-0.7352	-0.0778	0.3704	-1.128	0	0.3579	0	-0.9572	0	0.1248	0	-1.353	-0.5695	-1.9137	0.8546	0	18.9737	205.4629	0	0	15.9243	0.9574	25.1048	19.2072	1.5	40.7145	1.7321	3.7749	2.4495	150.163	3.266	16.0935	0	51.7518	7.8049	3.8622	1.9149	0	156	1522	0	0	119	11	189	115	9	282	10	25	20	1097	24	126	0	327	41	27	6	0	1	7	0	0	2	18	2	0	0	0	3	0	0	0	3	0	2	1	0	0	2	0	0	1	0	1	7	0	0	2	18	2	0	0	0	3	0	0	0	3	0	2	1	0	0	2	0	0	1	0	1	7	0	0	2	18	2	0	0	0	3	0	0	0	3	0	2	1	0	0	2	0	0	1	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	1	7	0	0	2	18	2	0	0	0	3	0	0	0	3	0	2	1	0	0	2	0	0	1
2	545000	NL	ATL	benedbr01	ATL	2	1	ALS198108090	0	NL	NULL	ATL	1	2	1	1	0	1	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	7	NL	1	ATL	1	1	1	1	NL	NLCS	ATL	1	1	1	7	C	NL	1	ATL	1	1	1	1	1	C	NL	NLCS	ATL	1	1	1	1	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	1	1985	1985	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	14	1	423	61	4	134	12	134	134	126	3	5	16	43	44	4	4	13	40	10.1429	0.7143	288.4286	33.1429	2.2857	93.5714	7.7143	93.5714	93.5714	73.7143	1.2857	2.2857	6.4286	23.4286	28.1429	1.5714	2.2857	4.5714	24.2857	2	0	52	6	0	22	0	22	22	13	0	0	2	3	1	0	0	0	6	-1.6097	-1.2296	-1.1677	0.08628	-0.7065	-1.2212	-1.1445	-1.2212	-1.2212	-0.4194	0.6817	0.0508	1.3403	-0.08253	-0.8802	1.0788	-0.7065	1.2214	-0.1462	4.0591	0.488	126.3683	16.0979	1.3801	37.3624	4.2706	37.3624	37.3624	36.5227	1.2536	1.8898	4.9952	13.1891	15.6677	1.3973	1.3801	4.4293	11.3242	71	5	2019	232	16	655	54	655	655	516	9	16	45	164	197	11	16	32	170	1	0	8	2	0	3	0	2	0	0	0	1	0	0	0	0	1	1	0	8	2	0	3	0	2	0	0	0	1	0	0	0	0	1	1	0	8	2	0	3	0	2	0	0	0	1	0	0	0	0	1	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	1	0	8	2	0	3	0	2	0	0	0	1	0	0	0	0	1	91	12	7	134	128	3320	738	57	5.7143	5.4286	93.5714	88	2309.8571	453.5714	14	1	1	22	16	423	81	-0.4571	0.4045	-1.7671	-1.2212	-1.3323	-1.3386	-0.6846	28.1721	3.9881	2.1492	37.3624	37.0945	976.072	208.6032	399	40	38	655	616	16169	3175	2	0	0	0	3	3	76	16	1	0	2	0	0	0	3	3	76	16	1	0	2	0	0	0	3	3	76	16	1	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	2	0	0	0	3	3	76	16	1	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
3	625000	NL	ATL	ceronri01	ATL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	1	TSN All-Star	AL	C	1	1	1	1	MVP	AL	392	1	1	1	10	AL	1	NYA	1	1	3	4	AL	ALCS	NYA	1	3	1	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	4	C	AL	ALCS	NYA	1	1	3	1	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	1	1985	1985	77	1	77	1	77	1	nan	nan	nan	nan	77	1	30	4	519	37	4	147	14	147	147	144	6	14	2	70	85	1	10	8	56	10.3	1.2	229.8	15.4	1.4	69.4	6.1	69.4	69.4	54.8	1.1	3.6	0.5	22.9	26.1	0.3	2.3	3.1	23.7	0	0	12	0	0	7	0	7	7	2	0	0	0	1	0	0	0	0	0	1.1975	1.0006	0.3925	0.5283	0.4414	0.2422	0.3565	0.2422	0.2422	0.7775	2.7111	1.8908	1.1785	1.201	1.4726	1.0351	1.4583	0.828	0.3548	10.4142	1.6865	173.4735	12.4651	1.5776	48.9335	4.7246	48.9335	48.9335	46.0019	1.792	4.2479	0.7071	21.8553	26.9008	0.483	3.401	2.2828	17.1985	103	12	2298	154	14	694	61	694	694	548	11	36	5	229	261	3	23	31	237	2	0	21	4	0	6	1	6	1	1	1	2	5	0	0	1	2	0.75	0	15.25	1	0	4.25	0.25	3.75	0.25	0.75	0.25	1.25	2.5	0	0	0.25	1.25	0	0	10	0	0	3	0	1	0	0	0	1	0	0	0	0	0	0.8546	0	0.158	2.	0	0.3704	2.	-0.7133	2.	-2.	2.	2.	0	0	0	2.	-0.8546	0.9574	0	5.1235	2	0	1.5	0.5	2.0616	0.5	0.5	0.5	0.5	2.0817	0	0	0.5	0.9574	3	0	61	4	0	17	1	15	1	3	1	5	10	0	0	1	5	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	4	5	1	1	6	6	153	42	6	0	2.75	2	0.25	0.25	4.25	4.25	110.25	30.25	3	0	1	0	0	0	3	3	75	14	1	0	-0.3704	1.1903	2.	2.	0.3704	0.3704	0.1702	-0.3427	1.1903	0	1.5	2.1602	0.5	0.5	1.5	1.5	39.6768	14.0564	2.1602	0	11	8	1	1	17	17	441	121	12	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
4	800000	NL	ATL	chambch01	ATL	1	1	NLS197607130	0	AL	NULL	NYA	1	1	1	1	0	1	3	Gold Glove	AL	1B	3	1	1	4	MVP	AL	336	2	2	3	15	AL	1	NYA	2	2	3	7	AL	ALCS	NYA	2	3	2	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	7	1B	AL	ALCS	NYA	1	2	3	2	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	1	1985	1985	71	11	21.25	2.75	1	0	1.8957	2.	33.4701	5.5	85	11	38	6	641	63	8	162	22	162	162	188	5	20	15	90	96	7	6	4	83	25.1333	2.8	485.2	39.9333	2.2	131.7333	10.6	131.7333	131.7333	135.4	1.8	12	6.0667	58.8667	62.4667	2.6667	3.6	1.2667	58.6	4	0	67	5	0	17	1	17	17	22	0	0	1	8	7	0	0	0	5	-0.8293	0.3528	-1.7276	-0.4725	1.414	-2.2755	0.7222	-2.2755	-2.2755	-1.3168	0.6688	-0.2249	0.5322	-0.7309	-0.5715	0.7373	-0.5448	0.7649	-1.3754	8.9192	1.7403	145.3912	16.0911	2.4842	37.2721	4.9828	37.2721	37.2721	42.6946	1.8205	6.0356	4.8176	20.9995	24.1805	2.2573	1.9928	1.2228	19.7042	377	42	7278	599	33	1976	159	1976	1976	2031	27	180	91	883	937	40	54	19	879	2	1	24	3	0	6	1	11	1	2	2	5	8	2	1	0	4	0.5714	0.1429	16.2857	0.7143	0	4.2857	0.4286	4.5714	0.1429	0.4286	0.4286	1.7143	2.1429	0.2857	0.1429	0	2	0	0	10	0	0	3	0	0	0	0	0	0	0	0	0	0	0	1.1145	2.6458	0.3056	1.7836	0	0.2489	0.3742	0.504	2.6458	1.7598	1.7598	1.0961	1.5735	2.6458	2.6458	0	0.3928	0.7868	0.378	5.0238	1.1127	0	1.1127	0.5345	3.8668	0.378	0.7868	0.7868	1.976	2.9681	0.7559	0.378	0	1.5275	4	1	114	5	0	30	3	32	1	3	3	12	15	2	1	0	14	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	6	nan	6	1	6	6	168	55	nan	0	3.2857	nan	2.5714	0.2857	4.2857	4.2857	114	34.7143	nan	0	1	nan	0	0	3	3	76	17	nan	0	0.0508	nan	0.6545	1.2296	0.2489	0.2489	0.528	0.5058	nan	0	1.8898	nan	1.9881	0.488	1.1127	1.1127	32.3471	13.5119	nan	0	23	0	18	2	30	30	798	243	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
18567	4875000	NL	WAS	strasst01	WAS	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	6	2012	2012	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
18568	750000	NL	WAS	tracych01	WAS	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	8	NL	1	ARI	1	2	3	0	NULL	NULL	NULL	NULL	NULL	NULL	24	1B	NL	1	ARI	6	1	2	3	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	6	2012	2012	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	41	4	597	54	3	154	11	154	154	168	8	27	7	91	80	5	6	1	129	20.125	1.125	310.5	27	0.625	96.625	6.25	96.625	121.2	86.25	2.25	9.875	3.125	38	41.625	1.375	3.25	0.375	54.125	2	0	44	5	0	28	0	28	76	11	0	0	0	5	5	0	0	0	15	0.2672	1.0284	0.168	0.1675	1.9604	-0.1779	-0.1983	-0.1779	-0.6095	0.2779	1.5549	1.0695	0.04936	0.8056	0.05028	1.2615	-0.3143	0.6441	1.3153	13.5376	1.6421	197.8253	17.5987	1.0607	47.9403	4.3342	47.9403	36.2726	59.6436	2.8158	9.1875	2.4165	30.4959	26.5219	1.8468	2.1213	0.5175	36.3492	161	9	2484	216	5	773	50	773	606	690	18	79	25	304	333	11	26	3	433	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	260	75	25	147	143	3834	706	39.1	12.4	3.7	30.9583	32.9	862.9	118.95	0	0	0	1	0	3	2	2.5607	1.974	2.7175	1.7042	1.4604	1.5566	2.1377	77.8716	20.7171	7.4063	41.8345	41.7081	1103.0638	201.6588	782	248	74	743	658	17258	2379	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
18569	4000000	NL	WAS	wangch01	WAS	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	2	Cy Young	AL	140	2	1	2	6	AL	1	NYA	2	1	2	0	NULL	NULL	NULL	NULL	NULL	NULL	6	P	AL	1	NYA	1	2	1	2	3	P	AL	ALDS2	NYA	1	1	2	1	6	AL	1	NYA	2	1	2	3	AL	ALDS2	NYA	1	2	1	1	1	6	2012	2012	51	0	26.5	0	2	0	nan	nan	34.6482	0	53	0	0	0	19	1	0	34	1	11	34	1	0	0	0	1	1	0	0	1	10	0	0	5.5	0.1667	0	20	0.1667	2.8333	13	0.1667	0	0	0	0.1667	0.1667	0	0	0.1667	3	0	0	1	0	0	11	0	1	1	0	0	0	0	0	0	0	0	0	0	0	0	2.3279	2.4495	0	0.7801	2.4495	2.3973	0.9459	2.4495	0	0	0	2.4495	2.4495	0	0	2.4495	1.7227	0	0	6.6858	0.4082	0	9.6954	0.4082	4.0208	13.7659	0.4082	0	0	0	0.4082	0.4082	0	0	0.4082	3.6878	0	0	33	1	0	120	1	17	65	1	0	0	0	1	1	0	0	1	18	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	42	4	1	34	33	654	15	23.3333	1.8333	0.5	20	19.1667	366.5	7.1667	6	0	0	11	9	126	3	0.0138	0.02609	0	0.7801	0.6705	0.4743	0.9105	16.4398	1.7224	0.5477	9.6954	10.0083	215.9896	4.916	140	11	3	120	115	2199	43	2	1	0	1	2	2	20	0	0	0	1.3333	1	0	0.3333	1.3333	1.3333	19	0	0	0	1	1	0	0	1	1	17	0	0	0	1.7321	0	0	1.7321	1.7321	1.7321	-1.7321	0	0	0	0.5774	0	0	0.5774	0.5774	0.5774	1.7321	0	0	0	4	3	0	1	4	4	57	0	0	0	nan	59	900	1	2	88	9	34	2	33	233	8	12	4	654	7	92	1	104	1	19	9	nan	35	513.5	0.3333	0.6667	56.3333	4.5	20	0.5	19.1667	128	3.6667	8.1667	1.6667	366.5	4.8333	59.8333	0.1667	55.8333	0.1667	9.8333	3.8333	nan	13	206	0	0	28	3	11	0	9	66	1	4	0	126	2	35	0	25	0	1	0	nan	0.2052	0.5187	0.9682	0.8573	0.5011	2.188	0.7801	1.5367	0.6705	0.8268	0.9639	-0.2683	0.84	0.4743	-0.6384	0.6152	2.4495	0.7902	2.4495	0.4422	0.7815	nan	17.9666	288.1553	0.5164	0.8165	23.6192	2.2583	9.6954	0.8367	10.0083	71.1337	2.7325	2.6394	1.5055	215.9896	1.9408	23.1553	0.4082	29.9294	0.4082	7.5741	3.1885	0	210	3081	2	4	338	27	120	3	115	768	22	49	10	2199	29	359	1	335	1	59	23	0	4	34	0	0	12	19	2	0	1	2	14	2	3	0	20	2	12	0	2	0	4	0	1	0	0	1.6667	30	0	0	5.3333	8	1.3333	0	0.6667	1.3333	9.3333	1	1.6667	0	19	1	6.3333	0	0.6667	0	2.3333	0	0.3333	0	0	0	27	0	0	1	1	1	0	0	1	6	0	1	0	17	0	3	0	0	0	1	0	0	0	0	1.2933	1.1521	0	0	1.5078	1.5454	1.7321	0	-1.7321	1.7321	1.2933	0	1.7321	0	-1.7321	0	1.6523	0	1.7321	0	0.9352	0	1.7321	0	0	2.0817	3.6056	0	0	5.8595	9.6437	0.5774	0	0.5774	0.5774	4.1633	1	1.1547	0	1.7321	1	4.9329	0	1.1547	0	1.5275	0	0.5774	0	0	5	90	0	0	16	24	4	0	2	4	28	3	5	0	57	3	19	0	2	0	7	0	1	0
18570	13571428	NL	WAS	werthja01	WAS	1	1	NLS200907140	0	NL	NULL	PHI	1	1	1	1	0	1	0	NULL	NULL	NULL	NULL	NULL	NULL	2	MVP	NL	448	1	1	1	9	NL	1	PHI	2	1	4	10	NL	NLCS	PHI	1	4	2	35	CF	NL	1	PHI	6	2	1	4	12	RF	NL	NLDS2	PHI	2	1	4	2	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	6	2012	2012	52	0	31	0	10	0	nan	nan	29.6985	0	62	0	46	3	571	91	3	159	11	159	150	164	10	36	8	106	99	20	9	2	160	18.2222	1.7778	342.2222	48.3333	1.5556	102.7778	5.4444	102.7778	87.1429	90.4444	4.5556	15.5556	2.5556	55.7778	51.5556	10.6667	3.1111	0.4444	98.5556	2	0	46	3	0	15	0	15	15	10	0	0	0	4	6	1	0	0	11	0.9258	-0.1885	-0.3723	-0.2173	0.09246	-0.6935	0.1026	-0.6935	-0.4489	-0.276	0.05138	0.3008	0.9426	-0.174	-0.1046	0.02164	1.1347	1.5007	-0.563	13.6086	1.0929	204.7778	31.4046	1.236	53.6954	4.9526	53.6954	50.5979	55.471	3.504	12.2282	3.0046	35.5239	30.725	7.8581	2.8916	0.7265	55.2746	164	16	3080	435	14	925	49	925	610	814	41	140	23	502	464	96	28	4	887	3	1	21	6	0	6	1	8	1	3	2	5	6	3	1	0	7	0.9	0.2	15.3	2.7	0	4.4	0.3	4.1	0.1	1.3	0.4	3	2.6	0.5	0.1	0	5.2	0	0	3	0	0	2	0	0	0	0	0	0	0	0	0	0	1	1.2043	1.7788	-1.6814	0.3071	0	-0.5435	1.0351	-0.2578	3.1623	-0.04206	1.6577	-0.5031	0.2005	2.2698	3.1623	0	-0.9788	1.1972	0.4216	5.1001	2.0028	0	1.2649	0.483	2.079	0.3162	1.0593	0.6992	1.4907	2.0656	0.9718	0.3162	0	1.9889	9	2	153	27	0	44	3	41	1	13	4	30	26	5	1	0	52	11	4	8	157	152	4138	353	3.4545	0.9697	1.5152	48.6	44.3636	1205.3939	98.2121	0	0	0	1	0	3	1	0.702	1.0714	1.3512	0.969	1.0709	1.0889	1.1254	3.7757	1.2115	2.1083	50.9678	50.33	1351.3185	106.7728	114	32	50	1701	1464	39778	3241	1	nan	1	1	6	6	158	14	nan	0	0.3333	nan	0.1667	0.08333	3.75	3.5833	94.5833	7.0833	nan	0	0	nan	0	0	1	0	2	0	nan	0	0.8124	nan	2.0552	3.4641	-0.5741	-0.794	-0.7422	-0.4648	nan	0	0.4924	nan	0.3892	0.2887	1.8647	2.1515	54.9669	4.3788	nan	0	4	0	2	1	45	43	1135	85	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
18571	12000000	NL	WAS	zimmery01	WAS	1	1	NLS200907140	0	NL	NULL	WAS	1	1	1	1	0	1	4	Silver Slugger	NL	3B	3	2	1	3	MVP	NL	448	2	1	2	7	NL	1	WAS	1	1	1	0	NULL	NULL	NULL	NULL	NULL	NULL	11	3B	NL	1	WAS	3	1	1	1	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	6	2012	2012	101	10	40.3333	3.3333	2	0	1.5571	1.7321	53.1445	5.7735	121	10	47	5	653	72	8	162	26	162	162	178	4	33	9	110	110	11	9	1	125	30.5714	2	469	48.2857	1.7143	120.7143	15.1429	120.7143	109.2	135.2857	2.1429	18.2857	4.2857	69.5714	71.1429	3.5714	4.4286	0.1429	88.2857	10	0	58	3	0	20	1	20	20	23	0	0	0	6	6	0	1	0	12	-0.3386	0.4601	-1.5444	-1.0907	2.4863	-1.5169	-0.5899	-1.5169	-1.0083	-1.5931	-0.3521	-0.5231	0.09144	-0.8753	-0.812	1.7193	0.844	2.6458	-1.2173	13.0749	1.8257	205.7409	24.8912	2.8115	50.8911	7.9252	50.8911	57.2425	56.1359	1.3452	10.7194	3.2514	35.6878	37.5297	3.5989	2.4398	0.378	40.2977	214	14	3283	338	12	845	106	845	546	947	15	128	30	487	498	25	31	1	618	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	348	39	23	161	161	4295	152	200.5	21.125	12	75.2727	102.625	2709.5	83	4	0	0	1	1	27	3	-0.7079	-0.5983	-0.4494	0.02141	-0.9297	-0.9306	-0.4548	126.256	12.9553	7.8194	71.5222	64.1871	1680.0757	55.9745	1604	169	96	828	821	21676	664	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0

18572 rows x 695 columns
memory usage: 97.24 MB
name: featuretools_train
type: getml.DataFrame

In [62]:

  Copied!     
 
featuretools_test.set_role("salary", getml.data.roles.target)
featuretools_test.set_role(featuretools_test.roles.unused_float, getml.data.roles.numerical)
featuretools_test.set_role(featuretools_test.roles.unused_string, getml.data.roles.categorical)

featuretools_test
featuretools_test.set_role("salary", getml.data.roles.target) featuretools_test.set_role(featuretools_test.roles.unused_float, getml.data.roles.numerical) featuretools_test.set_role(featuretools_test.roles.unused_string, getml.data.roles.categorical) featuretools_test

Out[62]:

name	salary	lgID	teamIDCat	playerID	teamID	COUNT(allstarfull)	MODE(allstarfull.GP)	MODE(allstarfull.gameID)	MODE(allstarfull.gameNum)	MODE(allstarfull.lgID)	MODE(allstarfull.startingPos)	MODE(allstarfull.teamID)	NUM_UNIQUE(allstarfull.GP)	NUM_UNIQUE(allstarfull.gameID)	NUM_UNIQUE(allstarfull.gameNum)	NUM_UNIQUE(allstarfull.lgID)	NUM_UNIQUE(allstarfull.startingPos)	NUM_UNIQUE(allstarfull.teamID)	COUNT(awardsplayers)	MODE(awardsplayers.awardID)	MODE(awardsplayers.lgID)	MODE(awardsplayers.notes)	NUM_UNIQUE(awardsplayers.awardID)	NUM_UNIQUE(awardsplayers.lgID)	NUM_UNIQUE(awardsplayers.notes)	COUNT(awardsshareplayers)	MODE(awardsshareplayers.awardID)	MODE(awardsshareplayers.lgID)	MODE(awardsshareplayers.pointsMax)	NUM_UNIQUE(awardsshareplayers.awardID)	NUM_UNIQUE(awardsshareplayers.lgID)	NUM_UNIQUE(awardsshareplayers.pointsMax)	COUNT(batting)	MODE(batting.lgID)	MODE(batting.stint)	MODE(batting.teamID)	NUM_UNIQUE(batting.lgID)	NUM_UNIQUE(batting.stint)	NUM_UNIQUE(batting.teamID)	COUNT(battingpost)	MODE(battingpost.lgID)	MODE(battingpost.round)	MODE(battingpost.teamID)	NUM_UNIQUE(battingpost.lgID)	NUM_UNIQUE(battingpost.round)	NUM_UNIQUE(battingpost.teamID)	COUNT(fielding)	MODE(fielding.POS)	MODE(fielding.lgID)	MODE(fielding.stint)	MODE(fielding.teamID)	NUM_UNIQUE(fielding.POS)	NUM_UNIQUE(fielding.lgID)	NUM_UNIQUE(fielding.stint)	NUM_UNIQUE(fielding.teamID)	COUNT(fieldingpost)	MODE(fieldingpost.POS)	MODE(fieldingpost.lgID)	MODE(fieldingpost.round)	MODE(fieldingpost.teamID)	NUM_UNIQUE(fieldingpost.POS)	NUM_UNIQUE(fieldingpost.lgID)	NUM_UNIQUE(fieldingpost.round)	NUM_UNIQUE(fieldingpost.teamID)	COUNT(pitching)	MODE(pitching.lgID)	MODE(pitching.stint)	MODE(pitching.teamID)	NUM_UNIQUE(pitching.lgID)	NUM_UNIQUE(pitching.stint)	NUM_UNIQUE(pitching.teamID)	COUNT(pitchingpost)	MODE(pitchingpost.lgID)	MODE(pitchingpost.round)	MODE(pitchingpost.teamID)	NUM_UNIQUE(pitchingpost.lgID)	NUM_UNIQUE(pitchingpost.round)	NUM_UNIQUE(pitchingpost.teamID)	DAY(year)	MONTH(year)	WEEKDAY(year)	YEAR(year)	yearID	MAX(awardsshareplayers.pointsWon)	MAX(awardsshareplayers.votesFirst)	MEAN(awardsshareplayers.pointsWon)	MEAN(awardsshareplayers.votesFirst)	MIN(awardsshareplayers.pointsWon)	MIN(awardsshareplayers.votesFirst)	SKEW(awardsshareplayers.pointsWon)	SKEW(awardsshareplayers.votesFirst)	STD(awardsshareplayers.pointsWon)	STD(awardsshareplayers.votesFirst)	SUM(awardsshareplayers.pointsWon)	SUM(awardsshareplayers.votesFirst)	MAX(batting.2B)	MAX(batting.3B)	MAX(batting.AB)	MAX(batting.BB)	MAX(batting.CS)	MAX(batting.G)	MAX(batting.GIDP)	MAX(batting.G_batting)	MAX(batting.G_old)	MAX(batting.H)	MAX(batting.HBP)	MAX(batting.HR)	MAX(batting.IBB)	MAX(batting.R)	MAX(batting.RBI)	MAX(batting.SB)	MAX(batting.SF)	MAX(batting.SH)	MAX(batting.SO)	MEAN(batting.2B)	MEAN(batting.3B)	MEAN(batting.AB)	MEAN(batting.BB)	MEAN(batting.CS)	MEAN(batting.G)	MEAN(batting.GIDP)	MEAN(batting.G_batting)	MEAN(batting.G_old)	MEAN(batting.H)	MEAN(batting.HBP)	MEAN(batting.HR)	MEAN(batting.IBB)	MEAN(batting.R)	MEAN(batting.RBI)	MEAN(batting.SB)	MEAN(batting.SF)	MEAN(batting.SH)	MEAN(batting.SO)	MIN(batting.2B)	MIN(batting.3B)	MIN(batting.AB)	MIN(batting.BB)	MIN(batting.CS)	MIN(batting.G)	MIN(batting.GIDP)	MIN(batting.G_batting)	MIN(batting.G_old)	MIN(batting.H)	MIN(batting.HBP)	MIN(batting.HR)	MIN(batting.IBB)	MIN(batting.R)	MIN(batting.RBI)	MIN(batting.SB)	MIN(batting.SF)	MIN(batting.SH)	MIN(batting.SO)	SKEW(batting.2B)	SKEW(batting.3B)	SKEW(batting.AB)	SKEW(batting.BB)	SKEW(batting.CS)	SKEW(batting.G)	SKEW(batting.GIDP)	SKEW(batting.G_batting)	SKEW(batting.G_old)	SKEW(batting.H)	SKEW(batting.HBP)	SKEW(batting.HR)	SKEW(batting.IBB)	SKEW(batting.R)	SKEW(batting.RBI)	SKEW(batting.SB)	SKEW(batting.SF)	SKEW(batting.SH)	SKEW(batting.SO)	STD(batting.2B)	STD(batting.3B)	STD(batting.AB)	STD(batting.BB)	STD(batting.CS)	STD(batting.G)	STD(batting.GIDP)	STD(batting.G_batting)	STD(batting.G_old)	STD(batting.H)	STD(batting.HBP)	STD(batting.HR)	STD(batting.IBB)	STD(batting.R)	STD(batting.RBI)	STD(batting.SB)	STD(batting.SF)	STD(batting.SH)	STD(batting.SO)	SUM(batting.2B)	SUM(batting.3B)	SUM(batting.AB)	SUM(batting.BB)	SUM(batting.CS)	SUM(batting.G)	SUM(batting.GIDP)	SUM(batting.G_batting)	SUM(batting.G_old)	SUM(batting.H)	SUM(batting.HBP)	SUM(batting.HR)	SUM(batting.IBB)	SUM(batting.R)	SUM(batting.RBI)	SUM(batting.SB)	SUM(batting.SF)	SUM(batting.SH)	SUM(batting.SO)	MAX(battingpost.2B)	MAX(battingpost.3B)	MAX(battingpost.AB)	MAX(battingpost.BB)	MAX(battingpost.CS)	MAX(battingpost.G)	MAX(battingpost.GIDP)	MAX(battingpost.H)	MAX(battingpost.HBP)	MAX(battingpost.HR)	MAX(battingpost.IBB)	MAX(battingpost.R)	MAX(battingpost.RBI)	MAX(battingpost.SB)	MAX(battingpost.SF)	MAX(battingpost.SH)	MAX(battingpost.SO)	MEAN(battingpost.2B)	MEAN(battingpost.3B)	MEAN(battingpost.AB)	MEAN(battingpost.BB)	MEAN(battingpost.CS)	MEAN(battingpost.G)	MEAN(battingpost.GIDP)	MEAN(battingpost.H)	MEAN(battingpost.HBP)	MEAN(battingpost.HR)	MEAN(battingpost.IBB)	MEAN(battingpost.R)	MEAN(battingpost.RBI)	MEAN(battingpost.SB)	MEAN(battingpost.SF)	MEAN(battingpost.SH)	MEAN(battingpost.SO)	MIN(battingpost.2B)	MIN(battingpost.3B)	MIN(battingpost.AB)	MIN(battingpost.BB)	MIN(battingpost.CS)	MIN(battingpost.G)	MIN(battingpost.GIDP)	MIN(battingpost.H)	MIN(battingpost.HBP)	MIN(battingpost.HR)	MIN(battingpost.IBB)	MIN(battingpost.R)	MIN(battingpost.RBI)	MIN(battingpost.SB)	MIN(battingpost.SF)	MIN(battingpost.SH)	MIN(battingpost.SO)	SKEW(battingpost.2B)	SKEW(battingpost.3B)	SKEW(battingpost.AB)	SKEW(battingpost.BB)	SKEW(battingpost.CS)	SKEW(battingpost.G)	SKEW(battingpost.GIDP)	SKEW(battingpost.H)	SKEW(battingpost.HBP)	SKEW(battingpost.HR)	SKEW(battingpost.IBB)	SKEW(battingpost.R)	SKEW(battingpost.RBI)	SKEW(battingpost.SB)	SKEW(battingpost.SF)	SKEW(battingpost.SH)	SKEW(battingpost.SO)	STD(battingpost.2B)	STD(battingpost.3B)	STD(battingpost.AB)	STD(battingpost.BB)	STD(battingpost.CS)	STD(battingpost.G)	STD(battingpost.GIDP)	STD(battingpost.H)	STD(battingpost.HBP)	STD(battingpost.HR)	STD(battingpost.IBB)	STD(battingpost.R)	STD(battingpost.RBI)	STD(battingpost.SB)	STD(battingpost.SF)	STD(battingpost.SH)	STD(battingpost.SO)	SUM(battingpost.2B)	SUM(battingpost.3B)	SUM(battingpost.AB)	SUM(battingpost.BB)	SUM(battingpost.CS)	SUM(battingpost.G)	SUM(battingpost.GIDP)	SUM(battingpost.H)	SUM(battingpost.HBP)	SUM(battingpost.HR)	SUM(battingpost.IBB)	SUM(battingpost.R)	SUM(battingpost.RBI)	SUM(battingpost.SB)	SUM(battingpost.SF)	SUM(battingpost.SH)	SUM(battingpost.SO)	MAX(fielding.A)	MAX(fielding.DP)	MAX(fielding.E)	MAX(fielding.G)	MAX(fielding.GS)	MAX(fielding.InnOuts)	MAX(fielding.PO)	MEAN(fielding.A)	MEAN(fielding.DP)	MEAN(fielding.E)	MEAN(fielding.G)	MEAN(fielding.GS)	MEAN(fielding.InnOuts)	MEAN(fielding.PO)	MIN(fielding.A)	MIN(fielding.DP)	MIN(fielding.E)	MIN(fielding.G)	MIN(fielding.GS)	MIN(fielding.InnOuts)	MIN(fielding.PO)	SKEW(fielding.A)	SKEW(fielding.DP)	SKEW(fielding.E)	SKEW(fielding.G)	SKEW(fielding.GS)	SKEW(fielding.InnOuts)	SKEW(fielding.PO)	STD(fielding.A)	STD(fielding.DP)	STD(fielding.E)	STD(fielding.G)	STD(fielding.GS)	STD(fielding.InnOuts)	STD(fielding.PO)	SUM(fielding.A)	SUM(fielding.DP)	SUM(fielding.E)	SUM(fielding.G)	SUM(fielding.GS)	SUM(fielding.InnOuts)	SUM(fielding.PO)	MAX(fieldingpost.A)	MAX(fieldingpost.CS)	MAX(fieldingpost.DP)	MAX(fieldingpost.E)	MAX(fieldingpost.G)	MAX(fieldingpost.GS)	MAX(fieldingpost.InnOuts)	MAX(fieldingpost.PO)	MAX(fieldingpost.SB)	MAX(fieldingpost.TP)	MEAN(fieldingpost.A)	MEAN(fieldingpost.CS)	MEAN(fieldingpost.DP)	MEAN(fieldingpost.E)	MEAN(fieldingpost.G)	MEAN(fieldingpost.GS)	MEAN(fieldingpost.InnOuts)	MEAN(fieldingpost.PO)	MEAN(fieldingpost.SB)	MEAN(fieldingpost.TP)	MIN(fieldingpost.A)	MIN(fieldingpost.CS)	MIN(fieldingpost.DP)	MIN(fieldingpost.E)	MIN(fieldingpost.G)	MIN(fieldingpost.GS)	MIN(fieldingpost.InnOuts)	MIN(fieldingpost.PO)	MIN(fieldingpost.SB)	MIN(fieldingpost.TP)	SKEW(fieldingpost.A)	SKEW(fieldingpost.CS)	SKEW(fieldingpost.DP)	SKEW(fieldingpost.E)	SKEW(fieldingpost.G)	SKEW(fieldingpost.GS)	SKEW(fieldingpost.InnOuts)	SKEW(fieldingpost.PO)	SKEW(fieldingpost.SB)	SKEW(fieldingpost.TP)	STD(fieldingpost.A)	STD(fieldingpost.CS)	STD(fieldingpost.DP)	STD(fieldingpost.E)	STD(fieldingpost.G)	STD(fieldingpost.GS)	STD(fieldingpost.InnOuts)	STD(fieldingpost.PO)	STD(fieldingpost.SB)	STD(fieldingpost.TP)	SUM(fieldingpost.A)	SUM(fieldingpost.CS)	SUM(fieldingpost.DP)	SUM(fieldingpost.E)	SUM(fieldingpost.G)	SUM(fieldingpost.GS)	SUM(fieldingpost.InnOuts)	SUM(fieldingpost.PO)	SUM(fieldingpost.SB)	SUM(fieldingpost.TP)	MAX(pitching.BAOpp)	MAX(pitching.BB)	MAX(pitching.BFP)	MAX(pitching.BK)	MAX(pitching.CG)	MAX(pitching.ER)	MAX(pitching.ERA)	MAX(pitching.G)	MAX(pitching.GF)	MAX(pitching.GS)	MAX(pitching.H)	MAX(pitching.HBP)	MAX(pitching.HR)	MAX(pitching.IBB)	MAX(pitching.IPouts)	MAX(pitching.L)	MAX(pitching.R)	MAX(pitching.SHO)	MAX(pitching.SO)	MAX(pitching.SV)	MAX(pitching.W)	MAX(pitching.WP)	MEAN(pitching.BAOpp)	MEAN(pitching.BB)	MEAN(pitching.BFP)	MEAN(pitching.BK)	MEAN(pitching.CG)	MEAN(pitching.ER)	MEAN(pitching.ERA)	MEAN(pitching.G)	MEAN(pitching.GF)	MEAN(pitching.GS)	MEAN(pitching.H)	MEAN(pitching.HBP)	MEAN(pitching.HR)	MEAN(pitching.IBB)	MEAN(pitching.IPouts)	MEAN(pitching.L)	MEAN(pitching.R)	MEAN(pitching.SHO)	MEAN(pitching.SO)	MEAN(pitching.SV)	MEAN(pitching.W)	MEAN(pitching.WP)	MIN(pitching.BAOpp)	MIN(pitching.BB)	MIN(pitching.BFP)	MIN(pitching.BK)	MIN(pitching.CG)	MIN(pitching.ER)	MIN(pitching.ERA)	MIN(pitching.G)	MIN(pitching.GF)	MIN(pitching.GS)	MIN(pitching.H)	MIN(pitching.HBP)	MIN(pitching.HR)	MIN(pitching.IBB)	MIN(pitching.IPouts)	MIN(pitching.L)	MIN(pitching.R)	MIN(pitching.SHO)	MIN(pitching.SO)	MIN(pitching.SV)	MIN(pitching.W)	MIN(pitching.WP)	SKEW(pitching.BAOpp)	SKEW(pitching.BB)	SKEW(pitching.BFP)	SKEW(pitching.BK)	SKEW(pitching.CG)	SKEW(pitching.ER)	SKEW(pitching.ERA)	SKEW(pitching.G)	SKEW(pitching.GF)	SKEW(pitching.GS)	SKEW(pitching.H)	SKEW(pitching.HBP)	SKEW(pitching.HR)	SKEW(pitching.IBB)	SKEW(pitching.IPouts)	SKEW(pitching.L)	SKEW(pitching.R)	SKEW(pitching.SHO)	SKEW(pitching.SO)	SKEW(pitching.SV)	SKEW(pitching.W)	SKEW(pitching.WP)	STD(pitching.BAOpp)	STD(pitching.BB)	STD(pitching.BFP)	STD(pitching.BK)	STD(pitching.CG)	STD(pitching.ER)	STD(pitching.ERA)	STD(pitching.G)	STD(pitching.GF)	STD(pitching.GS)	STD(pitching.H)	STD(pitching.HBP)	STD(pitching.HR)	STD(pitching.IBB)	STD(pitching.IPouts)	STD(pitching.L)	STD(pitching.R)	STD(pitching.SHO)	STD(pitching.SO)	STD(pitching.SV)	STD(pitching.W)	STD(pitching.WP)	SUM(pitching.BAOpp)	SUM(pitching.BB)	SUM(pitching.BFP)	SUM(pitching.BK)	SUM(pitching.CG)	SUM(pitching.ER)	SUM(pitching.ERA)	SUM(pitching.G)	SUM(pitching.GF)	SUM(pitching.GS)	SUM(pitching.H)	SUM(pitching.HBP)	SUM(pitching.HR)	SUM(pitching.IBB)	SUM(pitching.IPouts)	SUM(pitching.L)	SUM(pitching.R)	SUM(pitching.SHO)	SUM(pitching.SO)	SUM(pitching.SV)	SUM(pitching.W)	SUM(pitching.WP)	MAX(pitchingpost.BAOpp)	MAX(pitchingpost.BB)	MAX(pitchingpost.BFP)	MAX(pitchingpost.BK)	MAX(pitchingpost.CG)	MAX(pitchingpost.ER)	MAX(pitchingpost.ERA)	MAX(pitchingpost.G)	MAX(pitchingpost.GF)	MAX(pitchingpost.GIDP)	MAX(pitchingpost.GS)	MAX(pitchingpost.H)	MAX(pitchingpost.HBP)	MAX(pitchingpost.HR)	MAX(pitchingpost.IBB)	MAX(pitchingpost.IPouts)	MAX(pitchingpost.L)	MAX(pitchingpost.R)	MAX(pitchingpost.SF)	MAX(pitchingpost.SH)	MAX(pitchingpost.SHO)	MAX(pitchingpost.SO)	MAX(pitchingpost.SV)	MAX(pitchingpost.W)	MAX(pitchingpost.WP)	MEAN(pitchingpost.BAOpp)	MEAN(pitchingpost.BB)	MEAN(pitchingpost.BFP)	MEAN(pitchingpost.BK)	MEAN(pitchingpost.CG)	MEAN(pitchingpost.ER)	MEAN(pitchingpost.ERA)	MEAN(pitchingpost.G)	MEAN(pitchingpost.GF)	MEAN(pitchingpost.GIDP)	MEAN(pitchingpost.GS)	MEAN(pitchingpost.H)	MEAN(pitchingpost.HBP)	MEAN(pitchingpost.HR)	MEAN(pitchingpost.IBB)	MEAN(pitchingpost.IPouts)	MEAN(pitchingpost.L)	MEAN(pitchingpost.R)	MEAN(pitchingpost.SF)	MEAN(pitchingpost.SH)	MEAN(pitchingpost.SHO)	MEAN(pitchingpost.SO)	MEAN(pitchingpost.SV)	MEAN(pitchingpost.W)	MEAN(pitchingpost.WP)	MIN(pitchingpost.BAOpp)	MIN(pitchingpost.BB)	MIN(pitchingpost.BFP)	MIN(pitchingpost.BK)	MIN(pitchingpost.CG)	MIN(pitchingpost.ER)	MIN(pitchingpost.ERA)	MIN(pitchingpost.G)	MIN(pitchingpost.GF)	MIN(pitchingpost.GIDP)	MIN(pitchingpost.GS)	MIN(pitchingpost.H)	MIN(pitchingpost.HBP)	MIN(pitchingpost.HR)	MIN(pitchingpost.IBB)	MIN(pitchingpost.IPouts)	MIN(pitchingpost.L)	MIN(pitchingpost.R)	MIN(pitchingpost.SF)	MIN(pitchingpost.SH)	MIN(pitchingpost.SHO)	MIN(pitchingpost.SO)	MIN(pitchingpost.SV)	MIN(pitchingpost.W)	MIN(pitchingpost.WP)	SKEW(pitchingpost.BAOpp)	SKEW(pitchingpost.BB)	SKEW(pitchingpost.BFP)	SKEW(pitchingpost.BK)	SKEW(pitchingpost.CG)	SKEW(pitchingpost.ER)	SKEW(pitchingpost.ERA)	SKEW(pitchingpost.G)	SKEW(pitchingpost.GF)	SKEW(pitchingpost.GIDP)	SKEW(pitchingpost.GS)	SKEW(pitchingpost.H)	SKEW(pitchingpost.HBP)	SKEW(pitchingpost.HR)	SKEW(pitchingpost.IBB)	SKEW(pitchingpost.IPouts)	SKEW(pitchingpost.L)	SKEW(pitchingpost.R)	SKEW(pitchingpost.SF)	SKEW(pitchingpost.SH)	SKEW(pitchingpost.SHO)	SKEW(pitchingpost.SO)	SKEW(pitchingpost.SV)	SKEW(pitchingpost.W)	SKEW(pitchingpost.WP)	STD(pitchingpost.BAOpp)	STD(pitchingpost.BB)	STD(pitchingpost.BFP)	STD(pitchingpost.BK)	STD(pitchingpost.CG)	STD(pitchingpost.ER)	STD(pitchingpost.ERA)	STD(pitchingpost.G)	STD(pitchingpost.GF)	STD(pitchingpost.GIDP)	STD(pitchingpost.GS)	STD(pitchingpost.H)	STD(pitchingpost.HBP)	STD(pitchingpost.HR)	STD(pitchingpost.IBB)	STD(pitchingpost.IPouts)	STD(pitchingpost.L)	STD(pitchingpost.R)	STD(pitchingpost.SF)	STD(pitchingpost.SH)	STD(pitchingpost.SHO)	STD(pitchingpost.SO)	STD(pitchingpost.SV)	STD(pitchingpost.W)	STD(pitchingpost.WP)	SUM(pitchingpost.BAOpp)	SUM(pitchingpost.BB)	SUM(pitchingpost.BFP)	SUM(pitchingpost.BK)	SUM(pitchingpost.CG)	SUM(pitchingpost.ER)	SUM(pitchingpost.ERA)	SUM(pitchingpost.G)	SUM(pitchingpost.GF)	SUM(pitchingpost.GIDP)	SUM(pitchingpost.GS)	SUM(pitchingpost.H)	SUM(pitchingpost.HBP)	SUM(pitchingpost.HR)	SUM(pitchingpost.IBB)	SUM(pitchingpost.IPouts)	SUM(pitchingpost.L)	SUM(pitchingpost.R)	SUM(pitchingpost.SF)	SUM(pitchingpost.SH)	SUM(pitchingpost.SHO)	SUM(pitchingpost.SO)	SUM(pitchingpost.SV)	SUM(pitchingpost.W)	SUM(pitchingpost.WP)
role	target	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	categorical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical	numerical
0	633333	NL	ATL	campri01	ATL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	MVP	NL	336	1	1	1	8	NL	1	ATL	1	1	1	1	NL	NLCS	ATL	1	1	1	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	1	P	NL	NLCS	ATL	1	1	1	1	8	NL	1	ATL	1	1	1	1	NL	NLCS	ATL	1	1	1	1	1	1	1985	1985	9	0	9	0	9	0	nan	nan	nan	nan	9	0	1	0	45	2	0	77	1	77	77	5	2	0	0	3	3	0	1	5	23	0.5	0	20.25	0.375	0	43.5	0.125	43.5	43.5	1.25	0.375	0	0	0.625	0.625	0	0.125	1.625	10	0	0	2	0	0	5	0	5	5	0	0	0	0	0	0	0	0	0	1	0	0	0.5815	1.951	0	-0.4333	2.8284	-0.4333	-0.4333	1.556	1.951	0	0	1.9604	1.6519	0	2.8284	0.9157	0.6749	0.5345	0	18.0297	0.744	0	20.5704	0.3536	20.5704	20.5704	1.8323	0.744	0	0	1.0607	1.1877	0	0.3536	1.8468	8.3837	4	0	162	3	0	348	1	348	348	10	3	0	0	5	5	0	1	13	80	0	0	0	0	0	1	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	1	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	1	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	1	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	1	1	3	0	0	0	0	0	0	0	1	1	3	0	0	0	0	0	0	0	1	1	3	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	1	1	3	0	0	0	0	63	761	2	3	72	6	77	44	21	199	4	18	13	532	13	84	0	69	22	11	8	0	34.375	435	1	0.625	37.125	3	43.5	18.375	7.875	105	2	8	5.875	305.5	5.375	43.5	0	44.75	6.75	6.5	3.125	0	2	46	0	0	8	1	5	1	0	13	0	0	0	34	1	9	0	6	0	0	0	0	-0.3257	-0.3004	0	1.9604	0.3173	0.5543	-0.4333	0.4135	0.6696	0.09749	0.3307	0.6191	0.2945	-0.2618	1.2158	0.1602	0	-0.6459	0.9797	-0.7085	0.693	0	20.3044	222.1345	0.9258	1.0607	22.548	1.6036	20.5704	16.8263	9.7018	55.616	1.5119	6.3696	4.5178	158.5145	3.8891	25.394	0	22.5182	8.7301	3.8545	3.0443	0	275	3480	8	5	297	24	348	147	63	840	16	64	47	2444	43	348	0	358	54	52	25	0	1	8	0	0	4	36	1	0	0	1	4	0	0	0	3	1	4	0	0	0	0	0	0	0	0	1	8	0	0	4	36	1	0	0	1	4	0	0	0	3	1	4	0	0	0	0	0	0	0	0	1	8	0	0	4	36	1	0	0	1	4	0	0	0	3	1	4	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	1	8	0	0	4	36	1	0	0	1	4	0	0	0	3	1	4	0	0	0	0	0	0	0
1	150000	NL	ATL	dedmoje01	ATL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	2	NL	1	ATL	1	1	1	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	2	NL	1	ATL	1	1	1	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	1	1985	1985	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	6	0	0	54	0	54	54	0	0	0	0	0	0	0	0	1	1	0	0	3	0	0	29.5	0	29.5	29.5	0	0	0	0	0	0	0	0	0.5	0.5	0	0	0	0	0	5	0	5	5	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	4.2426	0	0	34.6482	0	34.6482	34.6482	0	0	0	0	0	0	0	0	0.7071	0.7071	0	0	6	0	0	59	0	59	59	0	0	0	0	0	0	0	0	1	1	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	35	354	0	0	34	13	54	19	0	86	2	5	9	243	3	39	0	51	4	4	3	0	17.5	188.5	0	0	20	8	29.5	9.5	0	48	1	3	4.5	127.5	1.5	22.5	0	27	2	2	1.5	0	0	23	0	0	6	3	5	0	0	10	0	1	0	12	0	6	0	3	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	24.7487	234.0523	0	0	19.799	7.0711	34.6482	13.435	0	53.7401	1.4142	2.8284	6.364	163.3417	2.1213	23.3345	0	33.9411	2.8284	2.8284	2.1213	0	35	377	0	0	40	16	59	19	0	96	2	6	9	255	3	45	0	54	4	4	3	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
2	1500000	NL	ATL	hornebo01	ATL	1	1	NLS198207130	0	NL	NULL	ATL	1	1	1	1	0	1	1	Rookie of the Year	NL	NULL	1	1	0	4	MVP	NL	336	2	1	2	7	NL	1	ATL	1	1	1	1	NL	NLCS	ATL	1	1	1	10	3B	NL	1	ATL	2	1	1	1	1	3B	NL	NLCS	ATL	1	1	1	1	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	1	1985	1985	42	12	14	3	1	0	1.609	2.	19.3735	6	56	12	25	1	499	66	5	140	16	140	140	153	4	35	6	85	98	4	9	1	75	16.1429	0.5714	367.2857	33.5714	1.8571	98.4286	9.7143	98.4286	98.4286	103.4286	1.7143	23	3	59.1429	68	1.7143	3.7143	0.1429	51.4286	8	0	113	14	0	32	3	32	32	31	0	3	2	15	19	0	2	0	17	0.3431	-0.3742	-1.0883	1.1061	0.8	-1.0006	-0.02558	-1.0006	-1.0006	-0.8636	0.7065	-0.7731	1.9799	-0.8853	-0.6669	0.05194	2.2203	2.6458	-0.4431	6.466	0.5345	136.8341	18.1462	1.7728	36.0595	4.7509	36.0595	36.0595	40.2859	1.3801	11.5326	1.4142	25.0694	29.676	1.7043	2.43	0.378	20.9353	113	4	2571	235	13	689	68	689	689	724	12	161	21	414	476	12	26	1	360	0	0	11	0	0	3	0	1	0	0	0	0	0	0	0	0	2	0	0	11	0	0	3	0	1	0	0	0	0	0	0	0	0	2	0	0	11	0	0	3	0	1	0	0	0	0	0	0	0	0	2	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	11	0	0	3	0	1	0	0	0	0	0	0	0	0	2	251	32	23	137	137	3519	414	117.9	13	9.3	69.1	67.9	1724.2	88.3	0	0	0	1	0	3	2	-0.05114	0.3443	0.3635	-0.2447	-0.2157	-0.2406	2.6782	91.5829	10.2198	7.15	47.6269	47.7248	1202.7394	119.4609	1179	130	93	691	679	17242	883	7	nan	0	0	3	3	72	1	nan	0	7	nan	0	0	3	3	72	1	nan	0	7	nan	0	0	3	3	72	1	nan	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	7	0	0	0	3	3	72	1	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
3	512500	AL	BAL	dempsri01	BAL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	2	Babe Ruth Award	AL	C	2	2	1	0	NULL	NULL	NULL	NULL	NULL	NULL	17	AL	1	BAL	1	2	3	4	AL	ALCS	BAL	1	2	1	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	4	C	AL	ALCS	BAL	1	1	2	1	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	1	1985	1985	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	26	4	441	48	3	136	12	136	136	114	3	11	2	51	41	7	6	7	58	8.7647	0.6471	191.7647	21.8235	0.9412	68.5294	5.5882	68.5294	68.5294	45.8235	0.7059	3.1176	0.5294	20.1176	17.5882	0.9412	1.7647	2.6471	24.1765	0	0	6	1	0	5	0	5	5	0	0	0	0	0	0	0	0	0	0	0.8167	1.9434	0.08724	0.07107	0.9792	-0.068	0.1341	-0.068	-0.068	0.2333	1.2955	0.8822	0.7496	0.3107	0.2151	2.7929	0.8217	0.3938	0.3044	9.2028	1.2217	155.3752	17.9973	1.144	50.2433	4.5008	50.2433	50.2433	38.917	1.1048	3.5335	0.6243	18.1827	16.3404	1.7843	2.1946	2.0899	21.1076	149	11	3260	371	16	1165	95	1165	1165	779	12	53	9	342	299	16	30	45	411	4	0	21	2	0	7	1	6	0	1	2	3	2	1	0	0	3	2	0	14	1.25	0	4.75	0.5	4.25	0	0.25	0.5	2.5	1	0.25	0	0	1.5	0	0	10	1	0	3	0	2	0	0	0	1	0	0	0	0	0	0	0	1.597	2.	0	0.7528	0	-0.7528	0	2.	2.	-2.	0	2.	0	0	0	1.633	0	4.8305	0.5	0	1.7078	0.5774	1.7078	0	0.5	1	1	1.1547	0.5	0	0	1.291	8	0	56	5	0	19	2	17	0	1	2	10	4	1	0	0	6	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	5	3	1	0	7	6	165	38	4	0	3	1.75	0.25	0	4.75	4.5	120	26	1.25	0	1	1	0	0	3	3	84	10	0	0	0	0.8546	2.	0	0.7528	0	0.7636	-0.9764	1.6585	0	1.8257	0.9574	0.5	0	1.7078	1.291	33.6749	11.6905	1.893	0	12	7	1	0	19	18	480	104	5	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
4	560000	AL	BAL	martide01	BAL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	2	Cy Young	AL	140	2	1	2	9	AL	1	BAL	1	1	1	1	AL	WS	BAL	1	1	1	9	P	AL	1	BAL	1	1	1	1	2	P	AL	ALCS	BAL	1	1	2	1	9	AL	1	BAL	1	1	1	2	AL	ALCS	BAL	1	2	1	1	1	1	1985	1985	3	0	3	0	3	0	nan	nan	0	0	6	0	0	0	0	0	0	42	0	1	42	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	31.4444	0	0.1111	31.3333	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	4	0	0	4	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	-1.6547	nan	3	-1.6041	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	12.0531	nan	0.3333	12.114	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	283	0	1	282	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	2	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	2	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	2	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	2	0	0	0	0	0	0	0	0	0	0	0	59	8	5	42	39	877	27	33.2222	3.3333	1.4444	31.3333	23.5556	529.4444	15.1111	4	0	0	4	2	83	3	-0.2338	0.6857	1.8192	-1.6041	-0.1645	-0.209	0.01254	18.0331	2.5	1.5092	12.114	13.277	257.65	8.5065	299	30	13	282	212	4765	136	1	0	1	0	2	1	25	2	2	0	0.5	0	0.5	0	1.5	1	15.5	1	1	0	0	0	0	0	1	1	6	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0.7071	0	0.7071	0	0.7071	0	13.435	1.4142	1.4142	0	1	0	1	0	3	2	31	2	2	0	0	93	1206	2	18	119	5	42	19	39	279	8	30	6	877	16	129	3	142	4	16	13	0	57.5556	746.8889	0.5556	7.3333	79.1111	3.5556	31.3333	3.8889	23.5556	178.6667	3.3333	17.5556	2.3333	529.4444	9.1111	87.1111	1	87.5556	0.5556	10.5556	5.6667	0	8	106	0	1	8	2	4	0	2	23	0	1	0	83	2	8	0	18	0	1	0	0	-0.4575	-0.3514	1.0143	0.7717	-0.8476	0.2704	-1.6041	2.1216	-0.1645	-0.5972	0.772	-0.3131	0.6624	-0.209	0.1397	-1.0248	0.5249	-0.4028	2.6953	-0.5712	0.2488	0	26.9774	357.8325	0.7265	6.0828	36.4535	1.0138	12.114	6.2738	13.277	83.4116	2.7386	9.8249	2.1794	257.65	5.0607	39.9889	1.2247	40.5682	1.3333	5.5703	4.1833	0	518	6722	5	66	712	32	282	35	212	1608	30	158	21	4765	82	784	9	788	5	95	51	0	0	32	0	0	4	18	2	1	2	1	8	1	1	0	25	0	4	0	0	0	4	0	0	0	0	0	21	0	0	3.5	10.5	1.5	0.5	1.5	1	7	0.5	1	0	15.5	0	3.5	0	0	0	2	0	0	0	0	0	10	0	0	3	3	1	0	1	1	6	0	1	0	6	0	3	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	15.5563	0	0	0.7071	10.6066	0.7071	0.7071	0.7071	0	1.4142	0.7071	0	0	13.435	0	0.7071	0	0	0	2.8284	0	0	0	0	0	42	0	0	7	21	3	1	3	2	14	1	2	0	31	0	7	0	0	0	4	0	0	0
	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
4534	512500	NL	WAS	desmoia01	WAS	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	6	2012	2012	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
4535	506000	NL	WAS	espinda01	WAS	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	6	2012	2012	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
4536	3000000	NL	WAS	gorzeto01	WAS	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	8	NL	1	PIT	1	2	3	0	NULL	NULL	NULL	NULL	NULL	NULL	8	P	NL	1	PIT	1	1	2	3	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	8	NL	1	PIT	1	2	3	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	6	2012	2012	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	63	2	0	32	2	29	29	5	1	0	0	2	3	0	0	6	31	0	0	24.125	1	0	18.375	0.375	17.75	18.4	2.125	0.125	0	0	0.75	1.5	0	0	2.875	11.375	0	0	1	0	0	3	0	3	3	0	0	0	0	0	0	0	0	0	1	0	0	0.8142	0	0	-0.01019	1.951	-0.06458	-0.4709	0.07359	2.8284	0	0	0.6154	0	0	0	0.3404	0.9901	0	0	20.6705	0.9258	0	10.862	0.744	10.1805	11.393	1.9594	0.3536	0	0	0.8864	1.1952	0	0	2.4749	10.0134	0	0	193	8	0	147	3	142	92	17	1	0	0	6	12	0	0	23	91	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	22	4	3	32	32	605	12	11.125	0.75	1.25	18.5	13.75	248.625	4.125	1	0	0	3	0	18	0	0.01566	2.2936	0.3864	-0.002143	0.3057	0.5535	1.3775	8.2191	1.3887	1.0351	11.0065	11.1963	202.2452	3.7583	89	6	10	148	110	1989	33	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	nan	70	874	1	1	87	12	32	3	32	214	11	20	5	605	10	90	1	135	1	14	5	nan	36.25	364.75	0.375	0.125	42.125	5.25	18.5	0.75	13.75	84.625	3.125	9.25	1.75	248.625	5.375	44.5	0.125	63.25	0.125	5	2.375	nan	3	32	0	0	5	3	3	0	0	6	0	0	0	18	1	5	0	3	0	0	0	nan	0.1519	0.5036	0.6441	2.8284	0.2703	2.1617	-0.002143	1.3554	0.3057	0.6789	1.5012	0.1874	0.5779	0.5535	-0.04201	0.1678	2.8284	0.2401	2.8284	1.4367	0.1642	nan	28.9815	294.2529	0.5175	0.3536	31.2841	2.9155	11.0065	1.165	11.1963	71.6757	3.7961	7.8513	2.0529	202.2452	3.7393	32.6321	0.3536	49.5025	0.3536	4.2426	2.3867	0	290	2918	3	1	337	42	148	6	110	677	25	74	14	1989	43	356	1	506	1	40	19	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
4537	481000	NL	WAS	matthry01	WAS	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	6	2012	2012	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
4538	2300000	NL	WAS	zimmejo02	WAS	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	0	NULL	NULL	NULL	NULL	NULL	NULL	1	1	6	2012	2012	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	nan	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0

4539 rows x 695 columns
memory usage: 23.77 MB
name: featuretools_test
type: getml.DataFrame

We train an untuned XGBoostRegressor on top of featuretools' features, just like we have done for getML's features.

Since some of featuretools features are categorical, we allow the pipeline to include these features as well. Other features contain NaN values, which is why we also apply getML's Imputation preprocessor.

In [63]:

  Copied!     
 
imputation = getml.preprocessors.Imputation()

predictor = getml.predictors.XGBoostRegressor(n_jobs=1)

pipe3 = getml.pipeline.Pipeline(
    tags=['featuretools'],
    preprocessors=[imputation],
    predictors=[predictor],
    include_categorical=True,
)

pipe3
imputation = getml.preprocessors.Imputation() predictor = getml.predictors.XGBoostRegressor(n_jobs=1) pipe3 = getml.pipeline.Pipeline( tags=['featuretools'], preprocessors=[imputation], predictors=[predictor], include_categorical=True, ) pipe3

Out[63]:

Pipeline(data_model='population',
         feature_learners=[],
         feature_selectors=[],
         include_categorical=True,
         loss_function='SquareLoss',
         peripheral=[],
         predictors=['XGBoostRegressor'],
         preprocessors=['Imputation'],
         share_selected_features=0.5,
         tags=['featuretools'])

In [64]:

  Copied!     
 
pipe3.fit(featuretools_train)
pipe3.fit(featuretools_train)

Checking data model...

  Staging... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Preprocessing... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Checking... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00

The pipeline check generated 1 issues labeled INFO and 14 issues labeled WARNING.

To see the issues in full, run .check() on the pipeline.

  Staging... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Preprocessing... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  XGBoost: Training as predictor... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 01:06

Trained pipeline.

Time taken: 0:01:06.925430.

Out[64]:

Pipeline(data_model='population',
         feature_learners=[],
         feature_selectors=[],
         include_categorical=True,
         loss_function='SquareLoss',
         peripheral=[],
         predictors=['XGBoostRegressor'],
         preprocessors=['Imputation'],
         share_selected_features=0.5,
         tags=['featuretools'])

In [65]:

  Copied!     
 
featuretools_score = pipe3.score(featuretools_test)
featuretools_score
featuretools_score = pipe3.score(featuretools_test) featuretools_score

  Staging... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:00
  Preprocessing... ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 100% • 00:02

Out[65]:

	date time	set used	target	mae	rmse	rsquared
0	2024-09-12 11:15:54	featuretools_train	salary	716216.5012	1297813.3733	0.8115
1	2024-09-12 11:15:56	featuretools_test	salary	782064.7582	1435156.4642	0.7795

2.6 Features¶

The most important features look as follows:

In [66]:

  Copied!     
 
pipe1.features.to_sql()[pipe1.features.sort(by="importances")[0].name]
pipe1.features.to_sql()[pipe1.features.sort(by="importances")[0].name]

Out[66]:

DROP TABLE IF EXISTS "FEATURE_1_30";

CREATE TABLE "FEATURE_1_30" AS
SELECT LAST( t2."gameid__mapping_1_target_1_avg", t2."year__1_000000_days" ) AS "feature_1_30",
       t1.rowid AS rownum
FROM "SALARIES__STAGING_TABLE_1" t1
INNER JOIN "ALLSTARFULL__STAGING_TABLE_2" t2
ON t1."playerid" = t2."playerid"
WHERE t2."year__1_000000_days" <= t1."year"
GROUP BY t1.rowid;

In [67]:

  Copied!     
 
pipe2.features.to_sql()[pipe2.features.sort(by="importances")[0].name]
pipe2.features.to_sql()[pipe2.features.sort(by="importances")[0].name]

Out[67]:

-- The size of the SQL code for FEATURE_1_1 is 138668 characters, which is greater than the size_threshold of 50000!
-- To display very long features like this anyway, increase the size_threshold or set the size_threshold to None.
DROP TABLE IF EXISTS "FEATURE_1_1";

CREATE TABLE "FEATURE_1_1";

2.7 Productionization¶

It is possible to productionize the pipeline by transpiling the features into production-ready SQL code.

In [ ]:

  Copied!     
 
# Creates a folder named baseball_pipeline containing
# the SQL code.
pipe2.features.to_sql().save("baseball_pipeline")
# Creates a folder named baseball_pipeline containing # the SQL code. pipe2.features.to_sql().save("baseball_pipeline")

In [ ]:

  Copied!     
 
# Creates a folder named baseball_pipeline_spark containing
# the SQL code.
pipe2.features.to_sql(dialect=getml.pipeline.dialect.spark_sql).save("baseball_pipeline_spark")
# Creates a folder named baseball_pipeline_spark containing # the SQL code. pipe2.features.to_sql(dialect=getml.pipeline.dialect.spark_sql).save("baseball_pipeline_spark")

2.8 Discussion¶

For a more convenient overview, we summarize our results into a table.

In [70]:

  Copied!     
 
scores = [fastprop_score, relboost_score, featuretools_score]
pd.DataFrame(data={
    'Name': ['getML: FastProp', 'getML: Relboost', 'featuretools'],
    'R-squared': [f'{score.rsquared:.2%}' for score in scores],
    'RMSE': [f'{score.rmse:,.0f}' for score in scores],
    'MAE': [f'{score.mae:,.0f}' for score in scores]
})
scores = [fastprop_score, relboost_score, featuretools_score] pd.DataFrame(data={ 'Name': ['getML: FastProp', 'getML: Relboost', 'featuretools'], 'R-squared': [f'{score.rsquared:.2%}' for score in scores], 'RMSE': [f'{score.rmse:,.0f}' for score in scores], 'MAE': [f'{score.mae:,.0f}' for score in scores] })

Out[70]:

	Name	R-squared	RMSE	MAE
0	getML: FastProp	78.86%	1,401,077	764,553
1	getML: Relboost	84.11%	1,214,581	664,778
2	featuretools	77.95%	1,435,156	782,065

As we can see, Relboost outperforms FastProp and both algorithms outperform featuretools according to all three measures.

In [ ]:

  Copied!     
 
getml.engine.shutdown()
getml.engine.shutdown()

3. Conclusion¶

We have demonstrated how statistical relational learning can be used for sabermetrics. We have also shown that getML outperforms featuretools on this dataset.

References¶

Motl, Jan, and Oliver Schulte. "The CTU prague relational learning repository." arXiv preprint arXiv:1511.03086 (2015).