“Projecte Final – Paquet Lahman”

Detalls

La forma principal d’aquesta base de dades és una base de dades relacionada en format de Microsoft Access. El disseny segueix aquests principis generals: A cada jugador se li assigna un codi únic (ID de jugador). Tota la informació està relacionada en altres taules amb aquest jugador i està etiquetada amb el seu ID de jugador. Llavors tots els ID estan vinculats a noms i dates de naixement a la taula principal. La base de dades es compon de les següents taules principals:

1. Data (màster): 19105 observacions amb 26 variables que consta de noms de jugadors, data de naixement i informació biogràfica. Aquest fitxer s’usa per obtenir detalls sobre jugadors enumerats en Batting, Pitching i altres arxius on els jugadors són identificats només per jugadorID, també hi ha variables com pes de l’jugador en lliures, alçada de l’jugador en polzades, ciutat on va morir el jugador, estat on va morir el jugador.

2. Data (batting): 102,816 observacions amb 22 variables que consta de: nombre de jocs en els que un jugador va jugar, homeruns, cop per llançament.

3. Data (pitching): 44,963 observacions amb 30 variables que consta de: jocs complets, perduts, guanyats, començats.

4. Data (Fielding): 136,815 observacions amb 18 variables que consta de: posició, jocs, errors, classificació de la zona.

També es presenta una col·lecció d’altres taules que a continuació es desenvolupen breument:

 a

TEAMS (EQUIPS)

1. Data (Teams): Estadístiques i posicions anuals dels equips: 2835 observacions amb 48 variables com ara: any, posició de la classificació final, jocs jugats, jocs jugats a casa, jocs guanyats, jocs perduts, bases robades.

2. Data (TeamsHalf): Dades de la temporada dels equips: 52 observacions amb 10 variables com ara: any, divisió, jocs jugats, primera o segona meitat de la temporada, lliga.

3. Data (TeamsFranchises): Informació sobre franquícies d’equips: 120 observacions amb 4 variables com ara: ID franquícia, nom de la franquícia, si l’equip està actualment actiu (S o N), identificació de la franquícia de l’equip de l’Associació Nacional jugat com …

POST-SEASON PLAY (JOCS DE POST-TEMPORADA)

1. Data (battingpost): 13,543 observacions amb 22 variables com per exemple, bases robades, base en boles, strikeouts, intentional walks, hit by pitch.

2. Data (pitchingpost): 5,271 observacions amb 30 variables com ara, jocs començats, jocs complets, homeruns, strikeouts.

3. Data (Fieldingpost): 12,714 observacions amb 17 variables com ara: posició, jocs, errors, putouts.

4. Data (Seriespost): 316 observacions amb 9 variables com ara, equip que va guanyar la sèrie, lliga que va guanyar la sèrie, equip que va perdre la sèrie, lliga que va perdre la sèrie.

AWARDS (PREMIS)

1. Data (AwardsManager): 179 observacions amb 6 variables que consta de: ID de el gerent, nom de el premi guanyat, any, el premi va ser empat (S o N).

2. Data (AwardsPlayers): 6,158 observacions amb 6 variables: ID de l’jugador, nom de el premi guanyat, any, notes sobre el premi, premi va ser empat (S o N).

3. Data (AwardsSharemanagers): 425 observacions amb 7 variables: any, ID de l’gerent, nombre de punts rebuts, nombre màxim de punts possibles, nombre de vots en primer lloc.

4. Data (AwardsShareplayers): 6,879 observacions amb 7 variables: any ID de l’jugador, nombre de punts rebuts, nombre màxim de punts possibles, nombre de vots en primer lloc.

  1. Data (HallofFame): es compon dels resultats de votació per a tots els candidats nominats per al Saló de la Fama de l’Beisbol. Té 4156 observacions amb 9 variables com ara: identificació de l’jugador, any de votació, mètode pel qual el jugador va ser votat, total de butlletes anuals, total de vots rebuts. Detall: La taula es vincula amb la de Data (Màster) ALTRES TAULES
  2. Data (Allstarfull): 5148 observacions amb 8 variables
  3. Data (Managers): 5,148 observacions amb 8 variables
  4. Data (FieldingOF): 12,028 observacions amb 6 variables
  5. Data (Managershalf): 93 observacions amb 10 variables
  6. Data (Salaries): 26,428 observacions amb 5 variables
  7. Data (Appearances): 102,761 observacions amb 21 variables
  8. Data (Schools): 1,207 observacions amb 5 variables
  9. Data (Collegeplaying): 17,350 observacions amb 3 variables

a continuació es mostra un exemple dels jugadors millors pagats des de 1985 a al 2016

## yearID teamID lgID playerID salary nameFirst nameLast## 1 1985 PHI NL schmimi01 2130300 Mike Schmidt## 2 1986 NYN NL fostege01 2800000 George Foster## 3 1987 PHI NL schmimi01 2127333 Mike Schmidt## 4 1988 SLN NL smithoz01 2340000 Ozzie Smith## 5 1989 LAN NL hershor01 2766667 Orel Hershiser## 6 1990 ML4 AL yountro01 3200000 Robin Yount## 7 1991 LAN NL strawda01 3800000 Darryl Strawberry## 8 1992 NYN NL bonilbo01 6100000 Bobby Bonilla## 9 1993 NYN NL bonilbo01 6200000 Bobby Bonilla## 10 1994 NYN NL bonilbo01 6300000 Bobby Bonilla## 11 1995 DET AL fieldce01 9237500 Cecil Fielder## 12 1996 DET AL fieldce01 9237500 Cecil Fielder## 13 1997 CHA AL belleal01 10000000 Albert Belle## 14 1998 FLO NL sheffga01 14936667 Gary Sheffield## 15 1999 BAL AL belleal01 11949794 Albert Belle## 16 2000 LAN NL brownke01 15714286 Kevin Brown## 17 2001 TEX AL rodrial01 22000000 Alex Rodriguez## 18 2002 TEX AL rodrial01 22000000 Alex Rodriguez## 19 2003 TEX AL rodrial01 22000000 Alex Rodriguez## 20 2004 BOS AL ramirma02 22500000 Manny Ramirez## 21 2005 NYA AL rodrial01 26000000 Alex Rodriguez## 22 2006 NYA AL rodrial01 21680727 Alex Rodriguez## 23 2007 NYA AL giambja01 23428571 Jason Giambi## 24 2008 NYA AL rodrial01 28000000 Alex Rodriguez## 25 2009 NYA AL rodrial01 33000000 Alex Rodriguez## 26 2010 NYA AL rodrial01 33000000 Alex Rodriguez## 27 2011 NYA AL rodrial01 32000000 Alex Rodriguez## 28 2012 NYA AL rodrial01 30000000 Alex Rodriguez## 29 2013 NYA AL rodrial01 29000000 Alex Rodriguez## 30 2014 LAN NL greinza01 26000000 Zack Greinke## 31 2015 LAN NL kershcl01 32571000 Clayton Kershaw## 32 2016 LAD NL kershcl01 33000000 Clayton Kershaw

Deixa un comentari

L'adreça electrònica no es publicarà. Els camps necessaris estan marcats amb *