Curso Libre - Análisis y Manipulación de datos con Tidyverse Unidad de Informática - Facultad de Ciencias Económicas Universidad Nacional de Colombia

1. Cargue los paquetes readr, dplyr y ggplot2 en R

Se cargan los paquetes readr, dplyr y ggplot 2, utiles para cargar las bases, transformarlas y graficar.

pacman::p_load(
  readr,
  dplyr,
  ggplot2)

2. Importe el archivo previamente mencionado.

Se importa el archivo matches, que se encuentra en la carpeta del nuevo proyecto de R.

matches <- read_csv("matches.csv")

3. Genere un histograma de la variable dist.

Se genera el histograma de densidad de color azul y con 45 bins.Antes de generar el histograma se eliminaron dos registros en los que la variable tenia NAs.

summary(matches$dist)
matches <- matches %>% filter(!is.na(dist))

ggplot(matches, aes(x = dist)) +
  geom_histogram(aes(y = ..density..), 
                 bins = 45, 
                 fill = "blue",
                 color = "black") +
  labs(x = "dist", 
       y = "Density") +
  theme_minimal() +
  theme(
    plot.background = element_rect(fill = "white"),
    panel.grid.major = element_line(size = 0.2),
    panel.grid.minor = element_line(size = 0.1)
  )
Histograma
Histograma

4. Replique el gráfico de barras de los días en los que se jugaron los partidos.

ggplot(matches, aes(x = day)) +
  geom_bar(aes(fill = day), color = "black") +
  scale_fill_manual(values = c("red", "brown", "green", "cyan", "blue",
                               "purple", "pink")) +
  labs(title = "Distribución de días", 
       x = "Día", 
       y = "Cantidad") +
  theme_minimal() +
  theme(legend.position = "none")
Distribución de días
Distribución de días

5. BONO


matches_filtrado <- matches[matches$team %in% c("Arsenal",
                                                "Liverpool", "Manchester City",
                                                "Manchester United"), ]


graf_disp <- ggplot(matches_filtrado, aes(x = dist, y = xg, color = team)) +
  
  geom_point() +
  
  geom_smooth(method = "lm", se = TRUE) + 
  
  facet_wrap(~team, scales = "free", strip.position = "top") + 
  
  scale_x_continuous(
    name = "Distancia de remate promedio", 
    breaks = seq(floor(min(matches_filtrado$dist)), ceiling(max(matches_filtrado$dist)), by = 1)
  ) +
  
  scale_y_continuous(
    name = "Expectativa de gol", 
    breaks = seq(floor(min(matches_filtrado$xg)), ceiling(max(matches_filtrado$xg)), by = 1)
  ) + 
  
  theme_minimal() +
  
  theme(
    plot.title = element_text(size = 25, face = "bold", hjust = 0.5), 
    panel.grid.major = element_line(color = "gray15"), 
    panel.grid.minor = element_line(color = "gray15"),
    panel.background = element_rect(fill = "lightblue1"), 
    legend.position = "none", 
    strip.placement = "outside", 
    axis.text.x = element_text(size = 10)
  ) +
  
  ggtitle("Dispersión entre distancia de remate y expectativa de gol") +
  theme(plot.title = element_text(size = 12))
print(graf_disp)
Gráfico de dispersión
Gráfico de dispersión