Stats médios dos jogadores do CBLOL 2022

Tabela interativa com as principais médias (todos os campeões utilizados) dos playes que atuaram no CBLOL 2022. Os dados a seguir foram obtidos através do link do kaggle

Explicação para formatação dos dados

1 - Primeiro os dados são lidos do arquivo csv através do seguinte código: dados_cblol <- read.csv("C:/Users/lsvfi/Documents/R/Scripts/cblol_players_data_2022.csv", quote = "\"", sep = ",")

2 - Depois, eu tirei as médias de cada atributo (unindo todos os campeões) para cada jogador e sua posição:

dados_players <- dados_cblol %>%
  group_by(playername, position) %>%
  # Calculando as médias desejadas para cada jogador, arredondando em 3 casas decimais
  summarize(
    Media_Kills = round(mean(kills, na.rm = TRUE), 3),
    Media_Deaths = round(mean(deaths, na.rm = TRUE), 3),
    Media_Assists = round(mean(assists, na.rm = TRUE), 3),
    Media_FirstBloodKill = round(mean(firstbloodkill, na.rm = TRUE), 3),
    Media_DamageToChampions = round(mean(damagetochampions, na.rm = TRUE), 3),
    Media_DPM = round(mean(dpm, na.rm = TRUE), 3),
    Media_WardsPlaced = round(mean(wardsplaced, na.rm = TRUE), 3),
    Media_WPM = round(mean(wpm, na.rm = TRUE), 3),
    Media_WardsKilled = round(mean(wardskilled, na.rm = TRUE), 3),
    Media_VisionScore = round(mean(visionscore, na.rm = TRUE), 3),
    Media_VSPM = round(mean(vspm, na.rm = TRUE), 3),
    Media_TotalCS = round(mean(total.cs, na.rm = TRUE), 3),
    Media_CSPM = round(mean(cspm, na.rm = TRUE), 3)
  )

3 - Em seguida, é feita a ordenação com base nos stats mais importantes pra cada posição:

dados_players <- dados_players %>%
  arrange(
    desc(case_when(
      position == "top" ~ Media_DPM,
      position == "jng" ~ Media_DPM,
      position == "mid" ~ Media_DPM,
      position == "bot" ~ Media_DPM,
      position == "sup" ~ Media_VisionScore
    )),
    desc(case_when(
      position == "jng" ~ Media_VisionScore
    )),
    desc(case_when(
      position %in% c("top", "mid", "bot") ~ Media_CSPM
    ))
  )

4 - Com esses filtros, é possível gerar a tabela da próxima aba com o seguinte código:

datatable(
  dados_players,
  options = list(
    pageLength = 20,
    width = "100%",  # Define a largura da tabela
    scrollX = TRUE  # Adiciona uma barra de rolagem horizontal
  )
)

Tabela interativa

Equações com LaTex

1. Equação Quadrática (Fórmula de Bhaskara): \[x = \dfrac{-b \ \pm \sqrt{b^{2} - 4ac}}{2a} \]

2. Equação de primeiro grau: \[ax + b = 0\]

3. Probabilidade da interseção de eventos A e B é igual à probabilidade de A multiplicada pela probabilidade de B dado A: \[P(A \cap B) = P(A) . P(B|A)\]

4. Energia é igual à massa vezes a velocidaded da luz ao quadrado: \[E = mc^2\]

5. Teorema de Pitágoras: \[c = \sqrt{a^{2} + b^{2}}\]

Figuras

Ilustração para Ciência de Dados 1
Ilustração para Ciência de Dados 1
Ilustração para Ciência de Dados 2
Ilustração para Ciência de Dados 2

Referências Bibliográficas

Utilizando referências para “A methodology for mapping sysml activity diagram to time petri net for requirement validation of embedded real-time systems with energy constraints”

“Citação 1” Andrade et al. (2009)

“Citação 2” Andrade et al. (2009)

“Citação 3” Andrade et al. (2009)

“Citação 4” Andrade et al. (2009)

“Citação 5” Andrade et al. (2009)

Andrade, Ermeson, Paulo Maciel, Gustavo Callou, and Bruno Nogueira. 2009. “A Methodology for Mapping Sysml Activity Diagram to Time Petri Net for Requirement Validation of Embedded Real-Time Systems with Energy Constraints.” In 2009 Third International Conference on Digital Society, 266–71. IEEE.