Conjuntos de Datos SQL sobre Cultura Popular: Practique con películas, música y deportes

¿Por qué conformarse con facturas y tablas de pedidos cuando podrías consultar los Oscar, los éxitos de Spotify o las estadísticas de la NBA? Los conjuntos de datos de la cultura popular hacen que la práctica de SQL sea divertida, atractiva y sorprendentemente eficaz.

¿Alguna vez has querido utilizar SQL para averiguar qué actor ha ganado más Oscar, qué artista dominaba las listas de éxitos en el año en que te graduaste o qué país encabeza el medallero olímpico? Buenas noticias: puede hacerlo.

La mayoría de los principiantes aprenden SQL analizando clientes, pedidos y facturas. Eso es útil, pero seamos sinceros: no siempre es emocionante. Si quieres seguir motivado mientras aprendes, necesitas conjuntos de datos que sean divertidos y relacionables. Ahí es donde entra en juego la cultura pop. Las películas, la música y los deportes están repletos de datos, y consultarlos es una forma perfecta de desarrollar verdaderos conocimientos de SQL a la vez que se mantiene el interés.

Si acaba de empezar, o si necesita refrescar sus conocimientos, comience con el curso SQL para principiantes en LearnSQL.es. Nuestros cursos de SQL son totalmente interactivos: usted escribe consultas, las ejecuta en bases de datos reales y recibe comentarios al instante. Ofrecemos cursos tanto para principiantes como para avanzados, por lo que incluso los analistas de datos más experimentados encontrarán algo con lo que mejorar sus habilidades.

En este artículo, exploraremos cómo puede practicar SQL utilizando conjuntos de datos de la cultura pop. Veremos ejemplos de películas, canciones y deportes, y te mostraremos cómo se conectan con los conceptos que dominarás en nuestros cursos.

🎬 Películas: Consulta tus películas favoritas

Las películas no son sólo entretenimiento: son minas de oro de datos. Listas de reparto, fechas de estreno, presupuestos, ingresos en taquilla, géneros, clasificaciones... todo ello cabe perfectamente en una base de datos.

Ideas de conjuntos de datos

• Conjunto de datos IMDB - Mantenida por IMDb, esta enorme base de datos incluye títulos, reparto, equipo, años de estreno, puntuaciones y mucho más. Es una de las fuentes de datos relacionados con el cine más utilizadas.
• Base de datos de películas (TMDb) - Una base de datos abierta, impulsada por la comunidad, con metadatos detallados sobre películas y programas de televisión. Popular por su API y su contenido actualizado.
• Kaggle Top 500 Popular Movies- Los conjuntos de datos de películas de Kaggle, como Top 500 Popular Movies, proporcionan subconjuntos limpios y listos para usar de películas populares.
• Programas de Netflix (Kaggle) - Conjuntos de datos compilados a partir de catálogos de Netflix, a menudo recuperados o compartidos por investigadores, que abarcan títulos, géneros, años de estreno y regiones.
• Tu propio Netflix envuelto- Exporte su historial personal de visionado de Netflix para analizar sus hábitos de visionado. Ideal para practicar SQL de forma personalizada.
• Oscars (Kaggle) - Datos históricos sobre los premios de la Academia, incluidos ganadores, nominados, categorías y años. Útil para consultas sobre logros y tendencias en el cine.

Ideas para practicar

• ¿Qué actor ha participado en el mayor número de películas ganadoras del Oscar?
• ¿Cuál fue la película más taquillera de 2010?
• ¿Qué director tiene la calificación media más alta de IMDB?
• ¿Cuántas películas de los últimos 20 años han tenido un presupuesto superior a 100 millones de dólares y no han alcanzado el punto de equilibrio?

Conceptos de SQL que practicarás

• JOINs (por ejemplo, vincular actores a películas)
• Ordenación con ORDER BY (por ejemplo, lista de las películas mejor valoradas o las más taquilleras)
• Agregados como COUNT, AVG, MAX, SUM (por ejemplo, contar películas por director, encontrar la calificación media por década o calcular la taquilla total por estudio)

👉 Este es exactamente el tipo de práctica que obtendrás en nuestro curso SQL para principiantes . En lugar de estrellas de cine, consultarás datos empresariales estructurados, pero las habilidades se transfieren directamente.

🎵Música: Analiza las listas de éxitos

Los datos musicales están por todas partes: listas de éxitos, listas de reproducción, estadísticas de streaming e incluso letras de canciones. Si sientes curiosidad por las tendencias, SQL puede revelarte datos fascinantes.

Ideas de conjuntos de datos

• Billboard Hot 100 y más - Datos de listas que recogen las clasificaciones semanales de las mejores canciones, con artistas, años de publicación y rendimiento en las listas. Perfecto para explorar las tendencias de popularidad a lo largo del tiempo.
• Conjunto de datos de Spotify Tracks (Kaggle) - Un gran conjunto de datos con características de audio (tempo, bailabilidad, energía, valencia), detalles de canciones, artistas y puntuaciones de popularidad. Compilado por colaboradores de Kaggle a partir de la API de Spotify, se utiliza ampliamente para analizar tendencias de escucha y atributos musicales.
• Crea tu propio Spotify con SQL - Una guía práctica que te muestra cómo exportar tu historial personal de Spotify y consultarlo con SQL. Ideal para crear tu propia información al estilo "Wrapped".
• Premios Grammy (Kaggle) - Cubre los nominados y ganadores desde 1965 hasta 2024, incluyendo categorías, artistas, canciones y álbumes. Creado por la comunidad de Kaggle, este conjunto de datos es popular para estudiar la historia de los premios y el éxito de los artistas durante décadas.
• Principales compositores de música clásica (Kaggle) - Un conjunto de datos de compositores clásicos con metadatos como nombres, épocas y países. Un recurso sencillo pero eficaz para analizar la historia de la música a través de SQL.
• MusicNet (Kaggle) - Contiene 330 grabaciones clásicas con más de un millón de etiquetas que marcan cada nota e instrumento. Publicado originalmente para la investigación, es uno de los conjuntos de datos clásicos más ricos, lo que permite analizar la estructura musical y comparar compositores en detalle.

Ideas prácticas

• ¿Quién fue el artista más escuchado en 2020?
• ¿Cómo ha cambiado la duración de las canciones a lo largo de las décadas?
• ¿Qué década produjo más éxitos Billboard nº 1?
• ¿Qué artistas aparecen sistemáticamente en el Top 10 año tras año?
• ¿Quién tiene el récord de más nominaciones a los Grammy sin ganar?
• ¿Qué compositores clásicos vivieron más tiempo y cuántas obras se les atribuyen?

Conceptos de SQL que practicarás

• Funciones GROUP BY y de agregación (por ejemplo, contar las entradas en las listas de éxitos por artista o hallar la duración media de las canciones por década)
• Filtrado con WHERE (por ejemplo, restringir los resultados a las canciones de la década de 1990 o sólo a los ganadores de los Grammy)
• Trabajar con fechas (por ejemplo, comparar el rendimiento de las listas por década o rastrear los picos de streaming por año)

👉 Si GROUP BY te resulta confuso, nuestra SQL GROUP BY Práctica te ofrece un montón de ejercicios prácticos para que cojas confianza. Con una variedad de conjuntos de datos del mundo real, practicarás la agrupación y agregación de datos hasta que se convierta en algo natural.

Deportes: Estadísticas que cuentan una historia

Los aficionados al deporte saben que las estadísticas son parte de la diversión. Puntos, goles, medallas, victorias, derrotas... todos ellos viven en bases de datos estructuradas. Eso las hace perfectas para la práctica de SQL.

Ideas de conjuntos de datos

• 120 años de historia olímpica (Kaggle) - Cubre atletas olímpicos y resultados desde 1896 hasta 2016. Incluye datos demográficos de los atletas, eventos, medallas y estadísticas de los países. Muy utilizada para análisis históricos y de tendencias.
• Copa Mundial de la FIFA (GitHub) - Un conjunto de datos estructurados de partidos, equipos, torneos, goles y resultados de la Copa del Mundo. Creado por el investigador deportivo Jeffrey Fjelstul, popular para analizar la historia del fútbol.
• Conjunto de datos de la NBA (Kaggle) - Datos exhaustivos de la NBA con partidos, equipos, jugadores y resultados a lo largo de décadas. Ideal para comparar las carreras de los jugadores, el éxito de los equipos y el rendimiento temporada a temporada.
• NFL - nflfastR - Datos públicos de la NFL jugada a jugada a partir de 1999. Incluye estadísticas avanzadas como puntos esperados y probabilidad de victoria. Datos disponibles en CSV/Parquet, ampliamente utilizados en análisis deportivo.
• Béisbol - pybaseball (GitHub) - Una librería Python que extrae datos de la MLB de fuentes oficiales y semi-oficiales como Baseball Savant y FanGraphs. Proporciona estadísticas a nivel de partido, temporada y lanzamiento.

Ideas para practicar

• ¿Qué jugador de la NBA anotó más puntos en la década de 1990?
• ¿Quién tiene el récord de goles en la Copa del Mundo?
• ¿Qué país ocupa sistemáticamente el primer puesto en medallas de oro olímpicas?
• ¿Cómo ha cambiado la media de goles por partido en los distintos torneos?

Conceptos de SQL que practicarás

• Consultas de clasificación (por ejemplo, encontrar los máximos goleadores o los líderes en medallas)
• Filtrado con múltiples condiciones (por ejemplo, centrarse en temporadas o torneos específicos)
• Agregados con condiciones (por ejemplo, calcular el promedio de goles por partido o puntos por partido)

👉 Los datos deportivos son todo clasificaciones, promedios y comparaciones entre temporadas. Eso es exactamente lo que aprenderás en nuestro Cómo crear informes básicos con SQL curso: convertir estadísticas en bruto en informes claros y estructurados.

🎨 Arte: Formas de expresión

El arte no son sólo galerías y exposiciones: también son datos que esperan ser explorados. Museos e investigadores de todo el mundo publican colecciones estructuradas con información sobre artistas, obras de arte, estilos y movimientos. Con SQL, puede revelar patrones de creatividad, comparar épocas e incluso seguir la evolución de determinadas tendencias artísticas a lo largo del tiempo.

Ideas de conjuntos de datos

• Colección del MoMA (GitHub) - El conjunto de datos abiertos del Museo de Arte Moderno contiene metadatos sobre más de 130.000 obras de arte: artistas, títulos, soportes, fechas y clasificaciones. Perfecto para explorar el arte moderno y contemporáneo.
• Imágenes de arte (Kaggle) - Un conjunto de datos de ~9.000 imágenes de obras de arte en categorías como dibujos, pinturas, esculturas y grabados. Incluye etiquetas por tipo de obra, útiles para la clasificación y la exploración.
• Acceso abierto al Museo Whitney - Metadatos sobre artistas, obras de arte y exposiciones del Whitney Museum of American Art. Se actualiza periódicamente, lo que la convierte en una fuente fiable para analizar la historia del arte estadounidense.
• Las mejores obras de arte de todos los tiempos (Kaggle) - Un conjunto de datos de obras de 50 pintores famosos, que incluye nombres de artistas, estilos y detalles de las pinturas. Ideal para comparar artistas individuales o estudiar movimientos a lo largo de los siglos.

Ideas prácticas

• ¿Qué artista tiene el mayor número de obras en la colección del MoMA?
• ¿Cómo varían los medios (óleo, acrílico, escultura, etc.) a lo largo de las décadas?
• ¿Qué movimientos artísticos están más representados en el conjunto de datos del Whitney?
• ¿Qué pintores de "las mejores obras de arte de todos los tiempos" aparecen con más frecuencia y en qué categorías de estilo?
• Compare el solapamiento entre el MoMA y el Whitney: ¿aparecen determinados artistas en ambos?

Conceptos de SQL que practicará

• Filtrado y agrupación (por ejemplo, obras por artista, medio o década)
• JOINs (por ejemplo, vincular obras de arte a exposiciones o artistas)
• Agregados como COUNT y DISTINCT (por ejemplo, número de obras por estilo o movimiento)
• Ordenación y clasificación (por ejemplo, los 10 pintores más prolíficos de una colección)

👉 ¿Quieres practicar con datos reales? Pruebe nuestras Ejercicio de SQL Bases de datos. Encontrarás conjuntos de datos como los del MoMA y las finales de atletismo diseñados para la exploración libre, de modo que puedas escribir tus propias consultas y descubrir perspectivas sin estar encerrado en ejercicios predefinidos.

🎮 Videojuegos: Juega con los datos

Los videojuegos no solo son divertidos, sino que también generan cantidades ingentes de datos estructurados. Desde cifras de ventas y reseñas hasta torneos de esports y clasificaciones de juegos de mesa, estos conjuntos de datos permiten explorar tendencias en entretenimiento, competición y cultura. Con SQL, puede averiguar qué hace que un juego sea un éxito, cómo evolucionan los géneros o qué jugadores y equipos dominan la escena de los deportes electrónicos.

Ideas de conjuntos de datos

• Ventas de videojuegos (Kaggle) - Contiene datos de ventas de más de 16.000 videojuegos. Las columnas incluyen nombre, plataforma, año, género, editor y ventas globales/regionales. Perfecto para practicar las funciones GROUP BY, JOIN y aggregate.
• Conjunto de datos de juegos de Steam (Kaggle) - Cubre el amplio catálogo de juegos de Steam. Incluye título, fecha de lanzamiento, desarrollador, género, etiquetas, precio y reseñas. Ideal para filtrado, búsqueda de texto y análisis de tendencias.
• Ganancias de los deportes electrónicos (Kaggle) - Datos de torneos con premios, jugadores y equipos. Útil para consultas jerárquicas, clasificación y exploración de tendencias de rendimiento en juegos competitivos.
• Juegos de mesa (Kaggle) - Datos de BoardGameGeek con reseñas, clasificaciones y categorías. Excelente para practicar uniones entre reseñas, categorías y clasificaciones.

Ideas prácticas

• ¿Qué plataforma de videojuegos tuvo las mayores ventas mundiales en la década de 2000?
• ¿Qué desarrolladores de Steam han lanzado más juegos y cómo se comparan sus valoraciones medias?
• ¿Quiénes son los 10 mejores jugadores de esports por ingresos totales y qué juegos dominan las bolsas de premios?
• ¿Qué categorías de juegos de mesa tienen las puntuaciones medias más altas y difieren de las más valoradas?
• ¿Cómo ha cambiado la popularidad de los géneros de juegos en las últimas tres décadas?

Conceptos de SQL que practicará

• Agrupación y agregación (por ejemplo, ventas por plataforma o género)
• JOINs (por ejemplo, vincular reseñas a categorías de juegos de mesa)
• Clasificación con ORDER BY (por ejemplo, los juegos más vendidos o los jugadores de esports que más ganan)
• Filtrado y búsqueda por texto (por ejemplo, juegos con "Aventura" en su título o etiquetas)

👉 Los juegos son todo clasificaciones y tablas de clasificación - y ahí es exactamente donde brillan las funciones de ventana. En nuestro Funciones de ventana curso, aprenderás a clasificar, comparar y analizar datos a lo largo del tiempo, al igual que el seguimiento de los mejores jugadores o los títulos más vendidos.

🗂️ Cómo cargar un conjunto de datos CSV en una base de datos

La mayoría de los conjuntos de datos que hemos visto vienen en formato CSV. Para practicar SQL, normalmente querrás cargarlos en un sistema de base de datos como PostgreSQL, MySQL o SQLite. Este es el proceso general:

1. Elige tu base de datos
   • SQLite - la opción más sencilla; almacena todo en un único archivo.
   • PostgreSQL / MySQL - más potente, buena si quieres trabajar con conjuntos de datos más grandes o múltiples tablas.
2. Cree una tabla
   Cree una tabla que coincida con la estructura de su archivo CSV. Por ejemplo, si su CSV tiene columnas: Name, Platform, Year, Genre, Sales, tu tabla podría tener este aspecto en PostgreSQL:

CREATE TABLE videogames (
    name TEXT,
    platform TEXT,
    year INT,
    genre TEXT,
    sales NUMERIC
);

3. Importar el CSV

• En PostgreSQL

COPY videogames(name, platform, year, genre, sales)
FROM '/path/to/videogames.csv'
DELIMITER ','
CSV HEADER;

• En MySQL:

LOAD DATA INFILE '/path/to/videogames.csv'
INTO TABLE videogames
FIELDS TERMINATED BY ','
IGNORE 1 ROWS;

• En SQLite (usando la línea de comandos):

sqlite3 mydatabase.db
.mode csv
.import videogames.csv videogames

4. Comienza a consultar
   Una vez cargado, puedes ejecutar tus consultas SQL como de costumbre:

SELECT genre, AVG(sales) 
FROM videogames
GROUP BY genre
ORDER BY AVG(sales) DESC;

👉 Si no quieres ocuparte de la configuración de la base de datos, también puedes utilizar LearnSQL.esBases de datos de práctica SQL. Están listas para realizar consultas en tu navegador, sin necesidad de instalación.

De divertido a profesional

Practicar SQL con películas, música, deportes o juegos es una forma estupenda de mantenerse motivado. Pero el verdadero beneficio llega cuando transfieres esas habilidades a tu carrera profesional. Una vez que domine el filtrado, los JOIN y los agregados en conjuntos de datos divertidos, estará preparado para analizar datos de clientes, informes de ventas o análisis de marketing en el trabajo.

Si desea una forma estructurada de desarrollar estas habilidades, sin tener que perder tiempo buscando conjuntos de datos, el paquete Todo, para siempre paquete SQL es la mejor opción. Le ofrece acceso de por vida a todos los cursos de LearnSQL.es , desde los más básicos hasta temas avanzados como funciones de ventana, informes y subconsultas. Practicarás SQL de forma interactiva con datos reales, recibirás comentarios al instante y ganarás confianza para consultar cualquier conjunto de datos, ya sean éxitos de taquilla, gráficos de Spotify o la base de datos de tu empresa.

👉 ¿Listo para dar el salto de la cultura pop a la analítica profesional? El paquete Todo, para siempre paquete SQL tiene todo lo que necesitas para dominar SQL de una vez por todas.