這個(gè)平臺(tái)上有很多接近現(xiàn)實(shí)業(yè)務(wù)場景的數(shù)據(jù)集，非常適合練手。
今天向大家推薦一個(gè)下載kaggle數(shù)據(jù)集的小工具——kaggleAPI
配置好之后，可以寫個(gè)腳本，以后下載數(shù)據(jù)就方便多了。
pip install kaggle
安裝完畢之后執(zhí)行
kaggle compeitions list
然后就會(huì)報(bào)錯(cuò)，提示沒有kaggle.json文件，不用理他。
這一步主要是讓其運(yùn)行后生成配置文件夾，一般在C盤-用戶-用戶名下的.kaggle
登錄kaggle官網(wǎng)
然后就會(huì)自動(dòng)下載一個(gè)kaggle.json文件，另存到第一步那個(gè).kaggle文件夾
再執(zhí)行以下
kaggle compeitions list
可以看到近期的一些競賽，重點(diǎn)關(guān)注以下獎(jiǎng)金??
除了list，kaggle competitions 還有一些其他用法，不展開講了。
kaggle competitions {list, files, download, submit, submissions, leaderboard}
大家最關(guān)心的數(shù)據(jù)集下載
kaggle datasets{list,files,download,create,version,init,metadata,status}
比較常用的是：list（可用數(shù)據(jù)集列表）、files（數(shù)據(jù)文件）、download（下載）
kaggle datasets list
用法
usage: kaggle datasets list [-h] [--sort-by SORT_BY]
[--size SIZE] [--file-type FILE_TYPE] [--license LICENSE_NAME]
[--tags TaG_IDS] [-s SEARCH] [-m] [--user USER] [-p PAGE] [-v]
這個(gè)里面還有2個(gè)常用的參數(shù)：-s 搜索，后面可以加關(guān)鍵詞；-p 展示多少行，默認(rèn)是20
kaggle datasets download
用法
usage: kaggle datasets download
[-h] [-f FILE_NAME] [-p PATH] [-w] [--unzip]
[-o] [-q][dataset]
如果單純在cmd執(zhí)行個(gè)下載指令就大材小用了，我們還可以用kaggleAPI寫shell腳本完成更復(fù)雜的用法，比如：
#!/bin/sh
DATASET="noxmoon/chinese-official-daily-news-since-2016"
ARCHIVE_FILE="chinese-official-daily-news-since-2016.zip"
DATA_FILE="chinese_news.csv"
DATA_DIR="data"
COL_NAME="headline"
LINES=3000
OUTPUT_FILE="headlines.txt"
if [ -d ${DATA_DIR} ]; then
echo ${DATA_DIR}' exists, please remove it before running the script'
exit 1
fi
echo "Creating dir"
mkdir -p ${DATA_DIR}
cd ${DATA_DIR}
kaggle datasets download -d ${DATASET}
unzip ${ARCHIVE_FILE}
echo "Deleting original dataset archive"
rm -f ${ARCHIVE_FILE}
echo "Extracting, cutting, shuffling data"
awk -v col=$COL_NAME -F "\"*,\"*" '{print $COL_NAME}' $DATA_FILE | shuf -n 3000 > ${OUTPUT_FILE}
下載-解壓一氣呵成！
如有收獲，歡迎給個(gè)在看！轉(zhuǎn)發(fā)！
推薦閱讀
（點(diǎn)擊標(biāo)題可跳轉(zhuǎn)閱讀）
100天搞定機(jī)器學(xué)習(xí)|Day1-62 合集
老鐵，三連支持一下，好嗎？↓↓↓
聯(lián)系客服
