CASO 3
Antonio Martinez
8/10/2020
Objetivo
Explorar y generar tablas de distribución del conjunto de datas FIFA
Descripcion
Explorar determinando tablas y visualización de datos del conjunto de datos FIFA. Los datos se encuentran en la dirección: https://www.kaggle.com/karangadiya/fifa19?select=data.csv
El conjunto de datos data.csv incluye los atributos de los jugadores de la última edición de FIFA 2019 como Edad, Nacionalidad, Total, Potencial, Club, Valor, Salario, Pie preferido, Reputación internacional, Pie débil, Movimientos de habilidad, Ritmo de trabajo, Posición, Número de camiseta, Unido, Prestado desde, Contrato válido hasta , Altura, Peso, LS, ST, RS, LW, LF, CF, RF, RW, LAM, CAM, RAM, LM, LCM, CM, RCM, RM, LWB, LDM, CDM, RDM, RWB, LB, LCB , CB, RCB, RB, Centros, Remate, Rumbo, Precisión, Pases cortos, Voleas, Regate, Curva, FK Precisión, Pases largos, Control de balón, Aceleración, Sprint Velocidad, Agilidad, Reacciones, Equilibrio, Potencia de disparo, Salto, Resistencia, Fuerza, Tiros lejanos, Agresión , Intercepciones, Posicionamiento, Visión, Penalizaciones, Serenidad, Marcaje, Entrada de pie, Entrada deslizante, GKDiving, GKHandling, GKKicking, GKPositioning, GKReflexes y Cláusula de liberación.
Proceso
- 1.Cargar librerías
- 2.Cargar los datos
- 3.Limpiar datos
- 4.Explorar datos
- 5.Analizar datos
- 6.Visualizar datos
- 7.Comunicar datos
1. Cargar librerias
- readr
- dplyr
- lubridate
- fdth
- ggplot2
- fdth
library(readr)
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(lubridate)##
## Attaching package: 'lubridate'## The following objects are masked from 'package:base':
##
## date, intersect, setdiff, unionlibrary(fdth)##
## Attaching package: 'fdth'## The following objects are masked from 'package:stats':
##
## sd, varlibrary(ggplot2)
library(fdth)2. Cargar los datos de FIFA
datos.FIFA <- read.csv("data.csv", encoding = "UTF-8")- Visualizar los primeros diez y últimos diez registros
- Algunos atributos visibles con [identificando el atributo por posición]
# head(datos.FIFA, 10)
head(datos.FIFA[,c(3,4,6,8,9,10,12,13,14,15,27,28)], 10)## Name Age Nationality Overall Potential Club
## 1 L. Messi 31 Argentina 94 94 FC Barcelona
## 2 Cristiano Ronaldo 33 Portugal 94 94 Juventus
## 3 Neymar Jr 26 Brazil 92 93 Paris Saint-Germain
## 4 De Gea 27 Spain 91 93 Manchester United
## 5 K. De Bruyne 27 Belgium 91 92 Manchester City
## 6 E. Hazard 27 Belgium 91 91 Chelsea
## 7 L. Modric 32 Croatia 91 91 Real Madrid
## 8 L. Suárez 31 Uruguay 91 91 FC Barcelona
## 9 Sergio Ramos 32 Spain 91 91 Real Madrid
## 10 J. Oblak 25 Slovenia 90 93 Atlético Madrid
## Value Wage Special Preferred.Foot Height Weight
## 1 \200110.5M \200565K 2202 Left 5'7 159lbs
## 2 \20077M \200405K 2228 Right 6'2 183lbs
## 3 \200118.5M \200290K 2143 Right 5'9 150lbs
## 4 \20072M \200260K 1471 Right 6'4 168lbs
## 5 \200102M \200355K 2281 Right 5'11 154lbs
## 6 \20093M \200340K 2142 Right 5'8 163lbs
## 7 \20067M \200420K 2280 Right 5'8 146lbs
## 8 \20080M \200455K 2346 Right 6'0 190lbs
## 9 \20051M \200380K 2201 Right 6'0 181lbs
## 10 \20068M \20094K 1331 Right 6'2 192lbstail(datos.FIFA[,c(3,4,6,8,9,10,12,13,14,15,27,28)], 10)## Name Age Nationality Overall Potential
## 18198 D. Holland 18 Republic of Ireland 47 61
## 18199 J. Livesey 18 England 47 70
## 18200 M. Baldisimo 18 Canada 47 69
## 18201 J. Young 18 Scotland 47 62
## 18202 D. Walsh 18 Republic of Ireland 47 68
## 18203 J. Lundstram 19 England 47 65
## 18204 N. Christoffersson 19 Sweden 47 63
## 18205 B. Worman 16 England 47 67
## 18206 D. Walker-Rice 17 England 47 66
## 18207 G. Nugent 16 England 46 66
## Club Value Wage Special Preferred.Foot Height Weight
## 18198 Cork City \20060K \2001K 1362 Right 5'10 141lbs
## 18199 Burton Albion \20060K \2001K 792 Right 5'11 154lbs
## 18200 Vancouver Whitecaps FC \20070K \2001K 1303 Right 5'6 150lbs
## 18201 Swindon Town \20060K \2001K 1203 Left 5'9 157lbs
## 18202 Waterford FC \20060K \2001K 1098 Left 6'1 168lbs
## 18203 Crewe Alexandra \20060K \2001K 1307 Right 5'9 134lbs
## 18204 Trelleborgs FF \20060K \2001K 1098 Right 6'3 170lbs
## 18205 Cambridge United \20060K \2001K 1189 Right 5'8 148lbs
## 18206 Tranmere Rovers \20060K \2001K 1228 Right 5'10 154lbs
## 18207 Tranmere Rovers \20060K \2001K 1321 Right 5'10 176lbs3. Limpiar los datos
Un proceso de limpieza de datos no sólo es encontrar basura como NA o valores vacíos null y saber que hacer con ellos, en muchos casos se requiere transformar variables, eliminar datos y agregar variables para dejar listos para realiar análisis de datos posteriores.
Agregar Pais de club dependiendo del pais de donse sea el club.
Agregar Region de club: [“AFRICA”,“ASIA”,“OCEANIA”, “CONCACAF”, “EUROPA”,“SUDAMERICA”]
Agregar variable estatura en metros numérica de Heigth
Agregar variable peso en kgs numérica de la variable Weight
Generar un conjunto de datos mas manipulable para resolver el análisis del CASO.
Cargar las funciones requeridas
source("misfunciones.r")- Crear nuevo atributo llamado Estatura para cada jugador
- Crear otro nuevo atributo llamado Pesokgs para cada jugador
datos.FIFA <- mutate(datos.FIFA, Estatura = festatura(Height), Pesokgs = flbskgs(Weight))- Generar un conjunto de datos MÁS manipulable sólo con los atributos:
- Name, Age, Nationality, Overall, Potential, Club, Value, Preferred.Foot, Position, Height, Weight, Estatura, Peso
datos.FIFA.reduc <- select(datos.FIFA, Name, Age, Nationality, Overall, Potential, Club, Value, Preferred.Foot, Position, Height, Weight, Estatura, Pesokgs)
head(datos.FIFA.reduc)## Name Age Nationality Overall Potential Club
## 1 L. Messi 31 Argentina 94 94 FC Barcelona
## 2 Cristiano Ronaldo 33 Portugal 94 94 Juventus
## 3 Neymar Jr 26 Brazil 92 93 Paris Saint-Germain
## 4 De Gea 27 Spain 91 93 Manchester United
## 5 K. De Bruyne 27 Belgium 91 92 Manchester City
## 6 E. Hazard 27 Belgium 91 91 Chelsea
## Value Preferred.Foot Position Height Weight Estatura Pesokgs
## 1 \200110.5M Left RF 5'7 159lbs 1.70 72.12
## 2 \20077M Right ST 6'2 183lbs 1.88 83.01
## 3 \200118.5M Right LW 5'9 150lbs 1.75 68.04
## 4 \20072M Right GK 6'4 168lbs 1.93 76.20
## 5 \200102M Right RCM 5'11 154lbs 1.80 69.85
## 6 \20093M Right LF 5'8 163lbs 1.73 73.944. Explorar los datos
- Cuántos registros
- Cuántas variables
paste("Cantidad de registros", nrow(datos.FIFA.reduc))## [1] "Cantidad de registros 18207"paste("Cantidad de variables", ncol(datos.FIFA.reduc))## [1] "Cantidad de variables 13"- Tipos de variables
str(datos.FIFA.reduc)## 'data.frame': 18207 obs. of 13 variables:
## $ Name : chr "L. Messi" "Cristiano Ronaldo" "Neymar Jr" "De Gea" ...
## $ Age : int 31 33 26 27 27 27 32 31 32 25 ...
## $ Nationality : chr "Argentina" "Portugal" "Brazil" "Spain" ...
## $ Overall : int 94 94 92 91 91 91 91 91 91 90 ...
## $ Potential : int 94 94 93 93 92 91 91 91 91 93 ...
## $ Club : chr "FC Barcelona" "Juventus" "Paris Saint-Germain" "Manchester United" ...
## $ Value : chr "\200110.5M" "\20077M" "\200118.5M" "\20072M" ...
## $ Preferred.Foot: chr "Left" "Right" "Right" "Right" ...
## $ Position : chr "RF" "ST" "LW" "GK" ...
## $ Height : chr "5'7" "6'2" "5'9" "6'4" ...
## $ Weight : chr "159lbs" "183lbs" "150lbs" "168lbs" ...
## $ Estatura : num 1.7 1.88 1.75 1.93 1.8 1.73 1.73 1.83 1.83 1.88 ...
## $ Pesokgs : num 72.1 83 68 76.2 69.8 ...5. Analizar datos
5.1. Frecuencia o CANTIDAD de jugadores por país. Elaborar un diagrama de barras por país y la cantidad de jugadores por país para determinar que países tiene MÁS Y MENOS JUGADORES. Interpretación que países tienen MAS Y MENOS jugadores registrados y su relación con el poderío futbolístico que tienen.
- Con la función group_by() y summarise() para identificar cuántos jugadores por pais
nacion <- datos.FIFA.reduc %>%
group_by (Nationality) %>%
summarise(n = n()) ## `summarise()` ungrouping output (override with `.groups` argument)- Se ordena de mayor a menor con la variable n del conjunto de datos generado para identificar cual pais tiene MÁS Y MENOS jugadores de este conJunto de datos
- Se muestran los primeros diez y últimos diez países con MÁS Y MENOS jugadores
nacion <- arrange(nacion, desc(n))
head(nacion, 10)## # A tibble: 10 x 2
## Nationality n
## <chr> <int>
## 1 England 1662
## 2 Germany 1198
## 3 Spain 1072
## 4 Argentina 937
## 5 France 914
## 6 Brazil 827
## 7 Italy 702
## 8 Colombia 618
## 9 Japan 478
## 10 Netherlands 453tail(nacion, 10)## # A tibble: 10 x 2
## Nationality n
## <chr> <int>
## 1 New Caledonia 1
## 2 Oman 1
## 3 Palestine 1
## 4 Puerto Rico 1
## 5 Qatar 1
## 6 Rwanda 1
## 7 São Tomé & Príncipe 1
## 8 South Sudan 1
## 9 St Lucia 1
## 10 United Arab Emirates 1- Elaborar un diagrama de barras por país y la cantidad de jugadores por país para determinar que países tienen MÁS Y MENOS JUGADORES.
- Diagrama de barras de los países que tienen MÁS jugadores registrados
- Usando la función ggplot
- Top ten que significa los primeros y últimos 10 con head() y con tail()
ggplot(data = head(nacion, 10), aes(x = Nationality, y = n, color=Nationality)) +
geom_bar(stat = "identity")
- Diagrama de columnas de los paises que tienen MENOS jugadores registrados
- Usando la función ggplot
ggplot(data = tail(nacion, 10), aes(x = Nationality, y = n, color=Nationality)) +
geom_bar(stat = "identity")
- En este conjunto de datos, se identifican países que sólo tienen un jugador registrado, para algunos análisis ese número de jugadores no es representativo.
Interpretación:¿Qué países tienen MÁS Y MENOS jugadores registrados y su relación con el poderío futbolístico que tienen?
5.2. EDAD. ¿Cuál es la edad (media y mediana) por nacionalidad? y ¿cuál es la edad (media y mediana) promedio por club. Diagrama de caja de la variable edad en función de la nacionalidad únicamente con el top ten de los que tengan un número de jugadores igual o por encima de la media del número de jugadores. (los 10 MÁS altos conforme a la media y los 10 MÁS bajos). Interpretación países clubs tienen los jugadores más jóvenes y menos jóvenes.
- La media de age por nacionalidad
- Utilizar group_y y summarize de la librería dplyr
- Solo mostrar los primeros y últimos diez conforme la media
age.nacion <- datos.FIFA.reduc %>%
group_by (Nationality) %>%
summarise(n = n(), media = round(mean(Age),2), mediana = round(median(Age),2)) ## `summarise()` ungrouping output (override with `.groups` argument)- Se ordena el conjunto de datos con la función arrange()
- el ordenamiento es ascendentende por el atributo media
- Solo se muestran los primeros y últimos diez registros
age.nacion <- arrange(age.nacion, media)
head(age.nacion, 10)## # A tibble: 10 x 4
## Nationality n media mediana
## <chr> <int> <dbl> <dbl>
## 1 Indonesia 1 17 17
## 2 Botswana 1 20 20
## 3 Rwanda 1 21 21
## 4 Tanzania 3 22 22
## 5 Zambia 9 22.2 21
## 6 Afghanistan 4 22.5 22
## 7 Chad 2 22.5 22.5
## 8 Antigua & Barbuda 4 22.8 22
## 9 Dominican Republic 2 23 23
## 10 Jordan 1 23 23tail(age.nacion, 10)## # A tibble: 10 x 4
## Nationality n media mediana
## <chr> <int> <dbl> <dbl>
## 1 Fiji 1 30 30
## 2 Guam 1 30 30
## 3 New Caledonia 1 30 30
## 4 Kuwait 1 31 31
## 5 Palestine 1 31 31
## 6 São Tomé & Príncipe 1 31 31
## 7 Trinidad & Tobago 4 31.8 28.5
## 8 Ethiopia 1 32 32
## 9 Puerto Rico 1 34 34
## 10 Oman 1 36 36- Con respecto a lo que muestra la media de la edad de los jugadores por país, hay países con un sólo jugador, de tal forma que no es representativo.
- Se suele tomar un criterio, por ejemplo, los que países que tengan el número de jugadores IGUAL O por ENCIMA del valor de la media o de la mediana con respecto a la varriable edad ‘Age’.
- Se toma la mean = media como medida de comparación
la.media<- round(mean(age.nacion$n),0)
la.media## [1] 111- Son 111 el promedio de jugadores por país en este conjunto de datos.
- Ahora sobre ese valor determinar los PAÍSES que tiene un número de jugadores tal que estén por ENCIMA o IGUAL a él.
age.nacion.mean.n <- filter(age.nacion, n >= mean(age.nacion$n)) # Se puede utilizar la variable la.media
age.nacion.mean.n <- arrange(age.nacion.mean.n, media)
head(age.nacion.mean.n, 10)## # A tibble: 10 x 4
## Nationality n media mediana
## <chr> <int> <dbl> <dbl>
## 1 Nigeria 121 23.1 22
## 2 Ghana 114 23.7 23
## 3 Netherlands 453 24 24
## 4 England 1662 24.0 23
## 5 Norway 341 24.0 24
## 6 Denmark 336 24.2 24
## 7 Mexico 366 24.3 23
## 8 Belgium 260 24.3 23
## 9 Germany 1198 24.3 24
## 10 Australia 236 24.4 24tail(age.nacion.mean.n, 10)## # A tibble: 10 x 4
## Nationality n media mediana
## <chr> <int> <dbl> <dbl>
## 1 Senegal 130 25.4 25.5
## 2 Serbia 126 25.6 26
## 3 Portugal 322 25.8 25
## 4 Italy 702 25.9 26
## 5 China PR 392 26.1 26
## 6 Japan 478 26.2 26
## 7 Argentina 937 26.2 26
## 8 Korea Republic 335 26.4 26
## 9 Uruguay 149 26.6 26
## 10 Brazil 827 27.6 27- Diagrama de caja de la variable mean(edad) en función de la nacionalidad
- Más Jóvenes
ggplot(data = head(age.nacion.mean.n, 10), aes(Nationality, media)) +
geom_boxplot()
- Menos Jóvenes
ggplot(data = tail(age.nacion.mean.n, 10), aes(Nationality, media)) +
geom_boxplot()
- O con todos los datos del conjunto de datos reducido
ggplot(data = datos.FIFA.reduc, aes(x = Nationality, y = Age)) +
geom_boxplot()
- Unicamente con el top 10 conforme a la media de edad
paises.top <- head(age.nacion.mean.n$Nationality, 10)
paises.top## [1] "Nigeria" "Ghana" "Netherlands" "England" "Norway"
## [6] "Denmark" "Mexico" "Belgium" "Germany" "Australia"datos.FIFA.paises.top.mean.n <- filter(datos.FIFA, Nationality %in% paises.top)
head(datos.FIFA.paises.top.mean.n[,c(3,4,6)])## Name Age Nationality
## 1 K. De Bruyne 27 Belgium
## 2 E. Hazard 27 Belgium
## 3 T. Kroos 28 Germany
## 4 H. Kane 24 England
## 5 M. ter Stegen 26 Germany
## 6 T. Courtois 26 Belgiumggplot(data = datos.FIFA.paises.top.mean.n, aes(x = Nationality, y = Age, color=Nationality)) +
geom_boxplot()
- Interpretación: ¿Cuáles países tienen los jugadores más jóvenes y menos jóvenes?
5.3. NACIONALIDAD-CLUB. Del campo nacionalidad (va cambiar a country) la frecuencia de equipos por país. Diagrama de barra del top 10. Interpretación qué país tiene más y menos equipos registrados. No existe una relación entre la Nacionalidad y el Club dado que es posible que tenga una nacionalidad y el club no es de ese país.
- Dada la necesidad del análisis de los datos, se requiere un atributo nuevo que identifique el País en donde juega el equipo. * Es parte de un proceso de Limpieza de los datos
- Utilizar un merge entre los datos datos.FIFA.reduc y clubs.nation, este último se cargó al mandar llamar las funciones.r
- Aparecen algunos registros con valores vacíos porque no están todos los datos en la tabla clubs.nation
clubs.nation <- read.csv("clubs.nation.csv", encoding = "UTF-8")
datos.FIFA.reduc.merge <- merge(x = datos.FIFA.reduc, y=clubs.nation,
by.x = 'Club', by.y = 'club')- Ver ordenados por el atributo de country para identificar clubs por pais
head(arrange(datos.FIFA.reduc.merge, desc(country)), 10)## Club Name Age Nationality Overall Potential Value
## 1 Atlanta United J. Hernández 21 Venezuela 62 71 \200400K
## 2 Atlanta United L. Kunga 19 United States 57 73 \200220K
## 3 Atlanta United D. Nagbe 27 United States 73 73 \2004.1M
## 4 Atlanta United M. Robinson 21 United States 61 72 \200375K
## 5 Atlanta United B. Vazquez 19 United States 63 76 \200700K
## 6 Atlanta United O. Shannon 22 England 57 66 \200160K
## 7 Atlanta United B. Guzan 33 United States 73 73 \2002M
## 8 Atlanta United J. Gressel 24 Germany 72 78 \2004.3M
## 9 Atlanta United F. Escobar 23 Argentina 67 74 \200900K
## 10 Atlanta United E. Remedi 23 Argentina 71 79 \2003M
## Preferred.Foot Position Height Weight Estatura Pesokgs country confederaion
## 1 Left LB 5'7 157lbs 1.70 71.21 USA CONMEBOL
## 2 Left LM 5'8 150lbs 1.73 68.04 USA CONMEBOL
## 3 Right RDM 5'9 165lbs 1.75 74.84 USA CONMEBOL
## 4 Right CB 6'2 185lbs 1.88 83.91 USA CONMEBOL
## 5 Right ST 6'3 174lbs 1.91 78.93 USA CONMEBOL
## 6 Right CAM 6'0 170lbs 1.83 77.11 USA CONMEBOL
## 7 Left GK 6'4 209lbs 1.93 94.80 USA CONMEBOL
## 8 Right RM 6'1 185lbs 1.85 83.91 USA CONMEBOL
## 9 Right RB 6'0 165lbs 1.83 74.84 USA CONMEBOL
## 10 Right LDM 5'7 159lbs 1.70 72.12 USA CONMEBOL
## continent
## 1 SOUTH AMERICA
## 2 SOUTH AMERICA
## 3 SOUTH AMERICA
## 4 SOUTH AMERICA
## 5 SOUTH AMERICA
## 6 SOUTH AMERICA
## 7 SOUTH AMERICA
## 8 SOUTH AMERICA
## 9 SOUTH AMERICA
## 10 SOUTH AMERICA- Generar un conjunto de datos únicamente de los club y country o pais
- Quitar duplicados
datos.FIFA.only.club.coutry <- select(datos.FIFA.reduc.merge, Club, country)
datos.FIFA.only.club.coutry <- distinct(datos.FIFA.only.club.coutry)
head(datos.FIFA.only.club.coutry)## Club country
## 1
## 2 SSV Jahn Regensburg
## 3 1. FC Heidenheim 1846
## 4 1. FC Kaiserslautern
## 5 1. FC Magdeburg Germany
## 6 1. FC Union Berlin- Generar una tabla de frecuencias por pais seleccionando de la tabla resultante generada por data.frame(fdt_cat()) solo los campos Category y f
- Cambiar los nombres de los atributos de la tabla
- Quitar (depurar) el primer registro o de Country vacío
- Mostrar la tabla
tabla <- data.frame(fdt_cat(datos.FIFA.only.club.coutry$country)) %>%
select (Category,f)
names(tabla) <- c("Country", "Equipos")
#tabla
tabla <- tabla[-1,] # Quita el primer registros que son los valores vacios
#o se puede hacer con
tabla <- filter(tabla, !Country == "")
head(tabla , 10)## Country Equipos
## 1 England 48
## 2 USA 24
## 3 Italy 22
## 4 Spain 22
## 5 Germany 17
## 6 M<e9>xico 15
## 7 France 13
## 8 Argentina 10
## 9 China 10
## 10 Ireland 8tail(tabla , 10)## Country Equipos
## 22 South Corea 3
## 23 Canada 2
## 24 Chile 2
## 25 Scotland 2
## 26 Turkey 2
## 27 Ucrania 2
## 28 Australia 1
## 29 Austria 1
## 30 Corea 1
## 31 Denmark 1- Diagram de Barra de los países que tienen MÁS Y MENOS equipos
- head(tabla,10). Los 10 primeros
- tail(tabla,10). Los 10 últimos
#{r} #ggplot(data = head(tabla,10), aes(Country, Equipos, color=Country)) + geom_col() #
ggplot(data = tail(tabla,10), aes(Country, Equipos, color=Country)) +
geom_col()
- Interpretación: ¿Qué país tiene más y menos equipos registrados?
5.4. CLUB, ¿cuántos jugadores por club?. Diagrama de barra top 10
jug.por.club <- datos.FIFA.reduc.merge %>%
group_by (Club) %>%
summarise(n = n())## `summarise()` ungrouping output (override with `.groups` argument)jug.por.club## # A tibble: 538 x 2
## Club n
## <chr> <int>
## 1 "" 241
## 2 " SSV Jahn Regensburg" 29
## 3 "1. FC Heidenheim 1846" 28
## 4 "1. FC Kaiserslautern" 26
## 5 "1. FC Magdeburg" 26
## 6 "1. FC Union Berlin" 28
## 7 "1. FSV Mainz 05" 32
## 8 "Aalborg BK" 27
## 9 "Aarhus GF" 27
## 10 "Aberdeen" 27
## # ... with 528 more rowsjug.por.club.top.ten <-head(arrange(jug.por.club, desc(n)),10)
jug.por.club.top.ten## # A tibble: 10 x 2
## Club n
## <chr> <int>
## 1 "" 241
## 2 "Arsenal" 33
## 3 "AS Monaco" 33
## 4 "Borussia Dortmund" 33
## 5 "Burnley" 33
## 6 "Cardiff City" 33
## 7 "Chelsea" 33
## 8 "Eintracht Frankfurt" 33
## 9 "Empoli" 33
## 10 "Everton" 33jug.por.club.bot.ten <- tail(arrange(jug.por.club, desc(n)),10)
jug.por.club.bot.ten## # A tibble: 10 x 2
## Club n
## <chr> <int>
## 1 Botafogo 20
## 2 Chapecoense 20
## 3 Cruzeiro 20
## 4 Fluminense 20
## 5 Internacional 20
## 6 Santos 20
## 7 Sport Club do Recife 20
## 8 Limerick FC 19
## 9 Sligo Rovers 19
## 10 Derry City 18- Interpretación: ¿Qué clubes tienen tiene más y menos jugadores registrados?
5.5. VALUE. ¿Cual es el valor medio del precio de los jugadores que juegan en América del Sur en Norteamérica y en Europa. Tal vez sea necesario un nuevo atributo llamado continente o zona.
- Para ello, se reutiliza el ya generado conjunto de datos datos.FIFA.reduc.merge
- Se agrega un atributo Valor equivalente a Value pero de tipo numérico utilizando una función previamente cargada fcleanValue() de funciones.r
- En el mutate() distinguir entre M Millones y K Miles Con filter procesar sólo los que tienen Valor mayor 0
datos.FIFA.reduc.merge.Value <- datos.FIFA.reduc.merge %>%
mutate(datos.FIFA.reduc.merge, Valor = ifelse (substr(Value, nchar(Value), nchar(Value)) == 'M', fcleanValue(Value) * 1000000, fcleanValue(Value) * 1000)) %>%
filter(Valor > 0)
head(datos.FIFA.reduc.merge.Value)## Club Name Age Nationality Overall Potential Value
## 1 SSV Jahn Regensburg S. Nachreiner 29 Germany 68 68 \200700K
## 2 SSV Jahn Regensburg A. Dej 26 Poland 67 70 \200925K
## 3 SSV Jahn Regensburg A. Geipl 26 Germany 68 70 \200900K
## 4 SSV Jahn Regensburg P. Pentke 33 Germany 70 70 \200900K
## 5 SSV Jahn Regensburg H. Al Ghaddioui 27 Morocco 64 64 \200475K
## 6 SSV Jahn Regensburg B. Saller 25 Germany 68 71 \200925K
## Preferred.Foot Position Height Weight Estatura Pesokgs country confederaion
## 1 Right CB 6'2 170lbs 1.88 77.11
## 2 Right CM 5'9 163lbs 1.75 73.94
## 3 Right RDM 5'10 161lbs 1.78 73.03
## 4 Right GK 6'3 187lbs 1.91 84.82
## 5 Right ST 6'3 203lbs 1.91 92.08
## 6 Right RB 5'10 154lbs 1.78 69.85
## continent Valor
## 1 700000
## 2 925000
## 3 900000
## 4 900000
## 5 475000
## 6 925000tail(datos.FIFA.reduc.merge.Value)## Club Name Age Nationality Overall Potential Value
## 14888 Yokohama F. Marinos T. Nishiyama 18 Japan 53 67 \200110K
## 14889 Yokohama F. Marinos R. Yamanaka 25 Japan 65 70 \200600K
## 14890 Yokohama F. Marinos D. Cvetinovic 29 Serbia 70 70 \2001.4M
## 14891 Yokohama F. Marinos Y. Otsu 28 Japan 68 68 \200900K
## 14892 Yokohama F. Marinos T. Kubo 17 Japan 64 85 \200975K
## 14893 Yokohama F. Marinos T. Ogihara 26 Japan 64 67 \200475K
## Preferred.Foot Position Height Weight Estatura Pesokgs country
## 14888 Right CB 5'11 152lbs 1.80 68.95
## 14889 Left LB 5'7 143lbs 1.70 64.86
## 14890 Right LCB 6'1 174lbs 1.85 78.93
## 14891 Right LCM 5'11 161lbs 1.80 73.03
## 14892 Left CAM 5'8 148lbs 1.73 67.13
## 14893 Left CM 6'0 157lbs 1.83 71.21
## confederaion continent Valor
## 14888 110000
## 14889 600000
## 14890 1400000
## 14891 900000
## 14892 975000
## 14893 475000- Determinar la media del Valor de cada Continente o región solicitada:
- América del Sur = ‘SOUTH AMERICA’
- Norteamérica = ‘NORTH AMERICA’
- Europa = ‘EUROPE’
- Antes que todo quitar los registros que no tienen continente (limpieza)
datos.FIFA.reduc.merge.Value <- datos.FIFA.reduc.merge.Value %>%
filter(!continent == "")- Generar las medias del precio económico de los jugadores por continente
mean.Valor.continente <- datos.FIFA.reduc.merge.Value %>%
group_by(continent) %>%
summarise(media = mean(Valor))## `summarise()` ungrouping output (override with `.groups` argument)mean.Valor.continente## # A tibble: 5 x 2
## continent media
## <chr> <dbl>
## 1 ASIA 1473879.
## 2 EUROPE 5408091.
## 3 NORTH AMERICA 1733987.
## 4 OCEANIA 747600
## 5 SOUTH AMERICA 2296089.- Hacer un geom_box() de un ggplot para mejor comprensión con título
ggplot(datos.FIFA.reduc.merge.Value, aes(x=continent, y=Valor )) +
geom_boxplot() +
geom_hline(yintercept = mean(datos.FIFA.reduc.merge.Value$Valor ), color = "red") +
labs(title = "Valor económico de los jugadores", subtitle = paste("Valor económico medio = ", round(mean(datos.FIFA.reduc.merge.Value$Valor ),2)))
# media.SA <- mean(filter)
ggplot(datos.FIFA.reduc.merge.Value, aes(x=continent, y=Valor)) +
geom_boxplot() +
geom_jitter(aes(color = continent)) +
geom_hline(yintercept = mean(datos.FIFA.reduc.merge.Value$Valor), color = "red") +
labs(title = "Valor económico de los jugadores", subtitle = paste("Valor económico medio = ", round(mean(datos.FIFA.reduc.merge.Value$Valor),2)))
5.6. ZURDO O DERECHO ¿Qué jugadores hay más zurdos o derechos?
- Agrupar por el tipo de pie utilizando el conjunto de datos original datos.FIFA
datos.FIFA.pie.preferido <- datos.FIFA %>%
group_by(Preferred.Foot) %>%
summarise(cuantos = n(), porc = paste(round(n() / nrow(datos.FIFA) * 100,2),"%"))## `summarise()` ungrouping output (override with `.groups` argument)datos.FIFA.pie.preferido## # A tibble: 3 x 3
## Preferred.Foot cuantos porc
## <chr> <int> <chr>
## 1 "" 48 0.26 %
## 2 "Left" 4211 23.13 %
## 3 "Right" 13948 76.61 %- Intrepretación: ¿Qué jugadores hay más, derechos o zurdos?
5.7. ALTURA ¿Cuál es la altura media y mediana de los jugadores
ggplot(data=datos.FIFA.reduc.merge.Value, aes(continent, Estatura, color=continent)) +
geom_boxplot() + # dibujamos el diagrama de cajas
stat_summary(fun.y=mean, geom="point",shape=18,
size=3, color="red") +
geom_hline(yintercept = mean(datos.FIFA.reduc.merge.Value$Estatura, na.rm = TRUE), color="red") +
labs(title = "Estatura media de jugadores por Continente", subtitle = paste("Media total = ", round(mean(datos.FIFA.reduc.merge.Value$Estatura, na.rm = TRUE),2)))## Warning: `fun.y` is deprecated. Use `fun` instead.## Warning: Removed 11 rows containing non-finite values (stat_boxplot).## Warning: Removed 11 rows containing non-finite values (stat_summary).
- Interpretación: ¿En dónde hay jugadores más altos y mas bajos?, ¿cuál es la media mundial?, ¿en qué parte hay jugadores más altos y mas bajos?
5.8. PESO ¿Cuál es el peso medio y mediana de los jugadores?
ggplot(data=datos.FIFA.reduc.merge.Value, aes(continent, Pesokgs, color=continent)) +
geom_boxplot() + # dibujamos el diagrama de cajas
stat_summary(fun.y=mean, geom="point",shape=18,
size=3, color="red") +
geom_hline(yintercept = mean(datos.FIFA.reduc.merge.Value$Pesokgs, na.rm = TRUE), color="red") +
labs(title = "Peso medio de jugadores por Continente", subtitle = paste("Media total = ", round(mean(datos.FIFA.reduc.merge.Value$Pesokgs, na.rm = TRUE),2)))## Warning: `fun.y` is deprecated. Use `fun` instead.## Warning: Removed 11 rows containing non-finite values (stat_boxplot).## Warning: Removed 11 rows containing non-finite values (stat_summary).
- Interpretación: ¿En dónde hay jugadores más robustos y menos robustos?, ¿cuál es la media mundial del peso de los jugadores?, ¿en qué parte hay jugadores más robustos?
6. Visualizar datos
Se representaron gráficas de barras, diagramas de cajas y tablas de frecuencias para resolver las tareas solicitadas