🏏

Baseball SavantのBat Trackingデータを直接取得してKaggleに公開した話

に公開
Python
Kaggle
データ分析
mlb
baseball
tech

はじめに

MLBは2024年シーズンから「Bat Tracking」という新機能を導入しました。高速カメラでバッターのスイングを計測し、バットスピードやスイングの軌道長などの新指標を提供しています。

この記事では、pybaseballに未実装の機能をBaseball Savantから直接取得してKaggleデータセットとして公開した経験を記録します。

📊 作成したデータセット

https://www.kaggle.com/datasets/yasunorim/mlb-bat-tracking-2024-2025

MLB Bat Tracking Leaderboard 2024-2025

  • 打者数: 452人（2024年: 226人、2025年: 226人）
  • カラム数: 19カラム
  • ファイルサイズ: 107KB
  • 期間: 2024年〜2025年（最小スイング数: 50）

🔍 Bat Trackingとは

2024年シーズンからMLBが導入した新しいStatcast機能で、以下の指標を計測します：

  • avg_bat_speed: バットスピード平均（mph）
  • swing_length: スイング軌道の長さ（feet）
  • squared_up_per_bat_contact: スイートスポットでの打球率
  • hard_swing_rate: 高速スイング率
  • blast_per_bat_contact: 理想的な打球角度＋速度での打球率
  • swords: ゾーン外での空振り数

🚨 pybaseballの限界

通常、MLB StatcastデータはPythonライブラリ pybaseball で取得できます。しかし、Bat Trackingは2024年の新機能であり、pybaseball 2.2.7時点では未実装です。

from pybaseball import statcast_batter_bat_tracking

# ❌ ImportError: cannot import name 'statcast_batter_bat_tracking'

そのため、Baseball Savantから直接CSVをダウンロードする方法を使いました。

🛠️ Baseball Savantから直接取得する方法

Baseball SavantのCSVエンドポイント

Baseball Savantのリーダーボードページには、CSVダウンロード用のクエリパラメータがあります。

URL構造:

https://baseballsavant.mlb.com/leaderboard/{type}?year={year}&csv=true

Bat Trackingの場合:

https://baseballsavant.mlb.com/leaderboard/bat-tracking?year=2024&csv=true

方法1: curlでダウンロード

最も簡単な方法は curl を使う方法です。

# 2024年データ
curl -s "https://baseballsavant.mlb.com/leaderboard/bat-tracking?year=2024&csv=true" \
  -o mlb_bat_tracking_2024.csv

# 2025年データ
curl -s "https://baseballsavant.mlb.com/leaderboard/bat-tracking?year=2025&csv=true" \
  -o mlb_bat_tracking_2025.csv

方法2: Pythonでダウンロード

Python環境では requests ライブラリと StringIO を使います。

import pandas as pd
import requests
from io import StringIO

# 2024年データ
url_2024 = "https://baseballsavant.mlb.com/leaderboard/bat-tracking?year=2024&csv=true"
response_2024 = requests.get(url_2024)
df_2024 = pd.read_csv(StringIO(response_2024.text))
df_2024['season'] = 2024

# 2025年データ
url_2025 = "https://baseballsavant.mlb.com/leaderboard/bat-tracking?year=2025&csv=true"
response_2025 = requests.get(url_2025)
df_2025 = pd.read_csv(StringIO(response_2025.text))
df_2025['season'] = 2025

# 結合
df_combined = pd.concat([df_2024, df_2025], ignore_index=True)
df_combined.to_csv('mlb_bat_tracking_2024_2025.csv', index=False)

print(f"Total batters: {len(df_combined)}")
print(f"Columns: {len(df_combined.columns)}")

📦 Kaggleデータセットの作成

1. dataset-metadata.json作成

{
  "title": "MLB Bat Tracking Leaderboard 2024-2025",
  "id": "your-username/mlb-bat-tracking-2024-2025",
  "licenses": [{"name": "CC0-1.0"}],
  "keywords": ["baseball", "sports"]
}

2. Kaggle CLIでアップロード

kaggle datasets create -p mlb-bat-tracking/

📁 データの中身

主要カラム

カラム 説明
id Baseball Savant player ID
name 選手名
swings_competitive 競争的スイング数
avg_bat_speed 平均バットスピード（mph）
swing_length スイング軌道長（feet）
hard_swing_rate 高速スイング率
squared_up_per_bat_contact スイートスポット打球率
blast_per_bat_contact 理想打球率
swords ゾーン外空振り数
whiff_per_swing 空振り率
batted_ball_event_per_swing 打球化率
season シーズン年（2024 or 2025）

🔧 Kaggleノートブックでの使い方

1. kernel-metadata.jsonでデータセットを指定

{
  "id": "your-username/your-notebook-slug",
  "title": "Your Notebook Title",
  "code_file": "your-notebook.ipynb",
  "dataset_sources": ["yasunorim/mlb-bat-tracking-2024-2025"]
}

2. ノートブック内でデータを読み込み

import pandas as pd

df = pd.read_csv('/kaggle/input/mlb-bat-tracking-2024-2025/mlb_bat_tracking_2024_2025.csv')

print(f'Total records: {len(df)}')
print(f'Unique batters: {df["id"].nunique()}')

🔗 このデータセットを使った分析ノートブック

日本ゆかりの3選手（大谷翔平、鈴木誠也、ラース・ヌートバー）のBat Tracking分析ノートブックを公開しています。

https://www.kaggle.com/code/yasunorim/bat-tracking-japanese-mlb-batters-2024-2025

💡 他のBaseball Savantリーダーボード

同じ方法で他のリーダーボードも取得できます。

# Expected Stats (xBA, xwOBA等)
curl -s "https://baseballsavant.mlb.com/leaderboard/expected_statistics?year=2024&csv=true"

# Outs Above Average（守備指標）
curl -s "https://baseballsavant.mlb.com/leaderboard/outs_above_average?year=2024&csv=true"

# Pitch Arsenal（投手球種データ）
curl -s "https://baseballsavant.mlb.com/leaderboard/pitch-arsenal-stats?year=2024&csv=true"

📝 学んだこと

pybaseball未実装機能への対処法

  • 最新のMLB統計機能はpybaseballに反映されるまで時間がかかる
  • Baseball SavantはCSVエンドポイントを提供しているため直接取得できる
  • requests + StringIO でUser-Agent問題を回避できる

Kaggleデータセットの価値

  • 既存データセットにない新しい指標は注目される（Bat Trackingは2024年新機能）
  • 小さなデータセット（107KB）でも、話題性があれば価値がある
  • データセット＋分析ノートブックのセットで公開すると相乗効果

🔗 リンク

GitHubで編集を提案

Discussion