Análise Dinâmica do Brasileirão

class: center, middle, inverse, title-slide

.title[
# Análise Dinâmica do Brasileirão
]
.subtitle[
## Uma Aplicação do Pacote <code>gganimate</code>
]
.author[
### Miguel dos Anjos Brack
]
.institute[
### UTFPR - Universidade Tecnológica Federal do Paraná
]
.date[
### 26/06/2025
]

---

# Roteiro da Apresentação

1.  **Introdução:** Por que R e por que visualizar dados?

2.  **O Pacote `gganimate`:** A Gramática da Animação.

3.  **Metodologia:** Do dado bruto à análise.

4.  **Resultados em Foco:**
    * Animação A: A Disputa pelo Título de 2020.
    * Animação B: A Corrida dos Campeões.
    * Animação C: A Campanha do Athletico-PR em 2017.

5.  **Conclusões e Aprendizados.**

---
# 1. Introdução: O Poder do R

O **R** é uma das linguagens de programação mais influentes na área de **ciência de dados e estatística**.

### Vantagens:
- **Ecossistema:** Milhares de pacotes (`tidyverse`, `shiny`, etc.).
- **Comunidade:** Ativa e colaborativa.
- **Visualização:** Capacidade gráfica robusta, com pacotes como o `ggplot2`.
- **Reprodutibilidade:** Facilita a criação de relatórios e análises que podem ser facilmente verificados e atualizados.

---
# 2. O Pacote `gganimate`

`gganimate` estende a "gramática dos gráficos" do `ggplot2` para o domínio da **animação**.

### A ideia principal:
> Em vez de criar gráficos estáticos, criamos narrativas visuais que mostram a **evolução** dos dados.

### Principais Funções Adicionadas:
- `transition_*()`: Define **como** os dados mudam (ex: `transition_reveal`, `transition_time`).
- `view_*()`: Controla a "câmera" da animação.
- `shadow_*()`: Cria "rastros" ou "fantasmas" para dar senso de movimento.

---
# 3. Metodologia

O processo seguiu três etapas principais:

.pull-left[
### 1. Coleta e Carga
- Utilizamos dois datasets públicos do Kaggle sobre o Campeonato Brasileiro.
- `partidas_raw <- read_csv(...)`
- `estatisticas_raw <- read_csv2(...)`

### 2. Limpeza e Transformação
- A etapa mais desafiadora.
- Conversão de datas e placares.
- Criação da variável `temporada`.
- Cálculo de pontos e reestruturação dos dados (pivotagem).

### 3. Visualização
- Aplicação das funções do ggplot2 para a base do gráfico.
- Adição das camadas do gganimate para a animação.
- Renderização dos GIFs com `animate()`.
]

.pull-right[
#### Exemplo de Código (Limpeza):

``` r
dados_pontos <- partidas_raw %>%
  rename( # Renomeia colunas
    gols_casa = `Mandante Placar` 
  ) %>%
  mutate( # Cria/modifica colunas
    data_real = as.Date(data_str),
    pontos_casa = case_when(
      gols_casa > gols_fora ~ 3,
      gols_casa == gols_fora ~ 1,
      TRUE ~ 0
    )
  ) %>%
  filter(!is.na(data_real)) # Remove linhas inválidas
```
]

---
class: center, middle
## Animação A: A Disputa pelo Título de 2020

<div class="figure" style="text-align: center">
<img src="https://i.imgur.com/lTxJBfa.gif" alt="Pontos acumulados dos 4 primeiros colocados do Brasileirão 2020, rodada a rodada."  />
<p class="caption">Pontos acumulados dos 4 primeiros colocados do Brasileirão 2020, rodada a rodada.</p>
</div>
### **Técnica:** `transition_reveal()` para "desenhar" a linha do tempo.

---
## Animação B: A Corrida dos Campeões

<div class="figure" style="text-align: center">
<img src="https://i.imgur.com/c2B7kDG.gif" alt="Acúmulo de títulos na era dos pontos corridos (2003-2021)."  />
<p class="caption">Acúmulo de títulos na era dos pontos corridos (2003-2021).</p>
</div>
### **Técnica:** `transition_time()` para animar através das temporadas.

---
## Animação C: A Campanha do Athletico-PR em 2017

<div class="figure" style="text-align: center">
<img src="https://i.imgur.com/zduK92M.gif" alt="Evolução da posição do Athletico-PR na tabela durante o Brasileirão de 2017."  />
<p class="caption">Evolução da posição do Athletico-PR na tabela durante o Brasileirão de 2017.</p>
</div>
### **Técnica:** `transition_reveal()` aplicada a uma análise de `rank()`.

---
# 5. Conclusões e Aprendizados

### Sobre o `gganimate`
- **Ferramenta poderosa** e intuitiva para quem já usa `ggplot2`.
- Transforma dados em **narrativas visuais** convincentes.
- **Flexível**, permitindo a criação de diversos tipos de animação.

### Aprendizados do Projeto
- **A limpeza de dados é 80% do trabalho.** Lidar com dados inconsistentes foi o maior desafio.
- **"Conheça seus dados".** O principal erro foi resolvido ao descobrirmos problemas causados pela pandemia.
- A visualização é uma ferramenta poderosa não só para apresentar, mas também para **explorar e entender** os próprios dados.