Mercado de pases FIFA 2020
La segunda más prestigiosa del viejo continente, la Europa League se inauguró en la temporada 1971-1972. Henrik Larsson es el goleador histórico (40).
Queremos la Europa League pero no tenemos un mango
Hola hola hola hola hola qué tal cómo están a mi izquierda Cabezón querido, qué dice Chavo, el Negro Bulos que ya pide la cabeza de Stephens.
La historia va así. Somos el DT del recien ascendido Burnley y estamos a 1 semana del inicio de la Premier League. La gente está expectante, quizás un poco más de lo que debería, y la dirigencia actual promete ENTRAR A LA PRÓXIMA EUROPA LEAGUE.
¿Estamos todos locos?
Peleas con la dirigencia,no hay manera. Tenés uno de los presupuestos más bajos de la Premier y te piden reforzar un equipo diezmado, que a duras penas puede pelear la permanencia.No queda otra que rebuscárnosla, manos a la obra.
Burnley tiene localidad en el condado de Lancashire y es uno de los 12 fundadores del la Football League en 1888.
Con qué arrancamos
Veamos qué tiene nuestro querido Burnley, teniendo en cuenta la posición, la edad, el Overall y Potencial
datos <- read.csv("C:/Users/Usuario/Desktop/players_20.csv",encoding = 'UTF=8')
Encoding(datos$long_name) <- "UTF-8"
Encoding(datos$club) <- "UTF-8"
Encoding(datos$nationality) <- "UTF-8"
Encoding(datos$short_name) <- "UTF-8"
datos <- datos %>%
filter(!(grepl('Enzo Manuel Aguerro',long_name) |
grepl('Erick Lardero',long_name) |
grepl('251700',sofifa_id) |
grepl('Luis Roberto Dálves',long_name) |
grepl('Federico Luis Contedo',long_name) |
grepl('Ángelo Damián Vera',long_name) |
grepl('Andrés Daniel Píriz',long_name) |
grepl('Alexander Aguilmera',long_name) |
grepl('Guillermo Luis Ichazo',long_name) |
grepl('Daniel Martín Lenzado',long_name) |
grepl('Egidio Maestre Schetino',long_name) |
grepl('Santiago Herreyra',long_name) |
grepl('Wílmar Enrique Barrios Terán',long_name))) %>%
mutate(value_eur=value_eur/1000000)
datos$player_positions <- sub(".*,", "", datos$player_positions)
datos$player_positions <- gsub(" ", "", datos$player_positions, fixed = TRUE)
# Buscamos la plantilla del Burnley
burnley <- datos %>%
filter(club=="Burnley")
plantilla_burnley <- burnley %>%
select(long_name, player_positions,age, overall, potential)
# Ordenamos por posición
orden_posiciones = c("GK", "CB", "RB", "LB", "CDM", "CM", "RM", "RW", "CAM", "RW","RWB","LM","LW","LWB","ST","CF")
plantilla_burnley <- plantilla_burnley[order(sapply(plantilla_burnley$player_positions, function(x) which(x == orden_posiciones))), ]
formattable(plantilla_burnley, align =c("l","c","c","c","c"), list(
'long_name' = formatter("span", style = ~ style(color = "gray27",font.family='Noto Sans','font-size:14px')),
'player_positions' = formatter("span", style = ~ style(color = "#C2C0BC",font.family='Noto Sans','font-size:10px')),
'age' = color_tile("#F0EEF0","#8B7B8B"),
'overall'= color_tile("#FAF9A6", "#F7EC11"),formatter("span", style = ~ style(color = "gray27",font.weight = "bold",font.family='Noto Sans')),
'potential'= color_tile("#FAF9A6", "#F7EC11")))| long_name | player_positions | age | overall | potential | |
|---|---|---|---|---|---|
| 2 | Nick Pope | GK | 27 | 79 | 82 |
| 8 | Joe Hart | GK | 32 | 77 | 77 |
| 24 | Bailey Peacock-Farrell | GK | 22 | 69 | 78 |
| 26 | Adam Legzdins | GK | 32 | 64 | 64 |
| 33 | George McMahon | GK | 19 | 53 | 68 |
| 1 | James Tarkowski | CB | 26 | 79 | 82 |
| 5 | Ben Mee | CB | 29 | 78 | 78 |
| 18 | Ben Gibson | CB | 26 | 74 | 78 |
| 20 | Kevin Long | CB | 28 | 73 | 74 |
| 25 | Jimmy Dunne | CB | 21 | 68 | 78 |
| 32 | Anthony Driscoll-Glennon | CB | 19 | 56 | 69 |
| 15 | Matthew Lowton | RB | 30 | 75 | 75 |
| 23 | Phil Bardsley | RB | 34 | 72 | 72 |
| 31 | Ryan Cooney | RB | 19 | 57 | 65 |
| 11 | Charlie Taylor | LB | 25 | 76 | 79 |
| 29 | Ali Koiki | LB | 19 | 60 | 68 |
| 3 | Steven Defour | CM | 31 | 78 | 78 |
| 9 | Danny Drinkwater | CM | 29 | 77 | 77 |
| 10 | Ashley Westwood | CM | 29 | 77 | 77 |
| 12 | Jack Cork | CM | 30 | 76 | 76 |
| 16 | Jeff Hendrick | CM | 27 | 75 | 75 |
| 27 | Josh Benson | CM | 19 | 62 | 74 |
| 28 | Adam Phillips | CM | 21 | 62 | 72 |
| 21 | Matej Vydra | CAM | 27 | 73 | 74 |
| 6 | Johann Berg Guðmundsson | LM | 28 | 78 | 78 |
| 14 | Robbie Brady | LM | 27 | 76 | 76 |
| 17 | Dwight McNeil | LM | 19 | 74 | 85 |
| 19 | Aaron Lennon | LM | 32 | 74 | 74 |
| 13 | Jay Rodriguez | LW | 29 | 76 | 76 |
| 22 | Erik Pieters | LWB | 30 | 73 | 73 |
| 4 | Ashley Barnes | ST | 29 | 78 | 78 |
| 7 | Chris Wood | ST | 27 | 77 | 78 |
| 30 | Robert Harker | ST | 19 | 57 | 73 |
Presentación anual del plantel del equipo con el DT Sean Dyche a la cabeza del grupo.
Ahí vemos, 33 jugadores que rondan 77 overall. Nuestro crack es Tarkoski en la saga defensiva con 79 de overall. La joyita de 19 años con mucho potencial, McNeill. Vayamos más al detalle, veamos el promedio de dichas variables para cada puesto, veamos bien QUÉ reforzar y cuál es la vara
plantilla_burnley_posicion_mean <- plantilla_burnley %>%
group_by(player_positions) %>%
summarise(age=round(mean(age)),overall=round(mean(overall)),potential=round(mean(potential))) %>%
ungroup() %>%
as.data.frame() %>%
mutate(club="Burnley")
# Ploteamos un grafico de barras que muestre overall y potencial max por puesto
ggplot(plantilla_burnley_posicion_mean,aes(x=player_positions,y=overall)) +
geom_bar(stat='identity',fill="plum4")+
scale_y_continuous(limits = c(0,100))+
geom_text(aes(label=overall),vjust=2,color="white",size=4)+
theme_minimal()+
theme(panel.grid.major=element_blank(),panel.grid.minor = element_blank(),
plot.title = element_text(family='PT Sans',size=20,face='bold',color="gray20"),
plot.caption = element_text(family='PT Sans',size=5,face='bold',color="gray20"),
plot.subtitle = element_text(family = 'Noto Sans',size=10,color = 'gray60'),
axis.text.y = element_blank())+
labs(title='Puntaje promedio Overall por posición de campo',subtitle='En promedio, la posición con mayor déficit parecería ser las bandas defensivas (RB y LB). La defensa y
la banda del medio campo estarían cubiertas. La delantera (CF) podría reforzarse.',
x='',y='', caption="Burnley FC")
Ok, al parecer nos faltaría jugadores en los laterales. Sin embargo, sospecho que los laterales en promedio tienen un overall más bajo que el resto de las posiciones. Veamos los valores promedios en cada posición, comparando con el 11 inicial de cada equipo de la Premier.
premier <- datos %>%
filter((club=="Arsenal" | club=="Manchester City" | club=="Manchester United" | club=="Liverpool" | club=="Chelsea" | club=="Leicester City" | club=="West Ham"| club=="Tottenham Hotspur" | club=="Leeds United" | club=="Everton" | club=="Aston Villa" | club=="Newcastle United" | club=="Crystal Palace" | club=="Southampton"|club=="Fulham"|club=="West Bromwich Albion"|club=="Sheffield United" | club=="Burnley") & team_position!="SUB" & team_position!="RES")
# Armamos la tabla premier
plantilla_premier_posicion_mean <- premier %>%
group_by(player_positions) %>%
summarise(age=round(mean(age)),overall=round(mean(overall)),potential=round(mean(potential))) %>%
ungroup() %>%
as.data.frame() %>%
mutate(club="Premier")
# Armemos la tabla Burnley 11 inicial
plantilla_burnley_once_inicial <- burnley %>%
filter(team_position!="SUB",team_position!="RES")
plantilla_burnley_once_inicial <- plantilla_burnley_once_inicial %>%
group_by(player_positions) %>%
summarise(age=round(mean(age)),overall=round(mean(overall)),potential=round(mean(potential))) %>%
ungroup() %>%
as.data.frame() %>%
mutate(club="Burnley")
# Unimos la tabla del burnley y la de la premier
premier_burnley_mean_posicion <- rbind(plantilla_premier_posicion_mean,plantilla_burnley_once_inicial)
# Ahora sí, a graficar
ggplot(premier_burnley_mean_posicion,aes(x=player_positions,y=overall,fill=club)) +
geom_bar(stat='identity',position=position_dodge())+
scale_y_continuous(limits = c(0,100))+
geom_text(aes(label=overall),vjust=2,hjust=0.3,color="white",size=3,position = position_dodge(width = 1))+
scale_fill_manual(values=c("plum4", "gray75"))+
theme_minimal()+
theme(panel.grid.major=element_blank(),panel.grid.minor = element_blank(),
plot.title = element_markdown(),
text = element_text(family = "PT Sans"),
plot.caption = element_text(family='PT Sans',size=5,face='bold',color="gray20"),
plot.subtitle = element_text(family = 'Noto Sans',size=10,color = 'gray60'),
axis.text.y = element_blank(),legend.position = "none")+
labs(title="<span style='font-size:13pt'>Comparamos el Overall promedio entre el <strong><span style='color:#8A668A;'>Burnley</span> y <strong><span style='color:#BFBFBF;'>el resto de la Premier League</span>",subtitle="En el 11 inicial somos inferiores, sí. Pero esperábamos mayores diferencias. Cae de maduro que
lo primero a reforzar es el lateral izquierdo y la mitad de cancha.",
x='',y='', caption="Burnley FC")
Se ve que tan malos no éramos, eh. En algunos estamos parejos, en otros, hay que reforzar. En base a los resultados (y nuestros caprichos), tomamos la decisión de ir por un lateral izquierdo, un 5 y un 9 de raza. Si nos sobra la plata, vamos por más.
Scouting de laterales izquierdos
Las características que vamos a tener que definir son las siguientes:
- Nacionalidad: Latinoamérica
- Edad < 33
- Valor < 6M
- Overall < Potencial (es decir, que va a crecer en calidad general)
# Hacemos la lista
defensores <- datos %>%
filter((nationality=="Argentina" | nationality=="Perú" |
nationality=="Paraguay" | nationality=="Bolivia" | nationality=="Uruguay"|
nationality=="Chile" | nationality=="Colombia"| nationality=="Ecuador"|
nationality=="Venezuela" | nationality=="Mexico") & str_detect(player_positions,'LB')
& overall>70 & age<33 & value_eur<6 & overall<potential) %>%
select(long_name,club,age,power_stamina,movement_acceleration,overall,potential,value_eur)
defensores <- defensores[order(-defensores$overall,-defensores$potential),]
# Ploteamos la lista
formattable(defensores, align =c("l","l","c","c","c","c","c","c"), list(
'long_name' = formatter("span", style = ~ style(color = "gray27",font.family='Noto Sans','font-size:14px')),
'club' = formatter("span", style = ~ style(color = "#C2C0BC",font.family='Noto Sans','font-size:10px')),
'age' = color_tile("#F0EEF0","#8B7B8B"),
'power_stamina'= color_tile("#FAF9A6", "#F7EC11"),
'movement_acceleration'= color_tile("#FAF9A6", "#F7EC11"),
'overall'= color_tile("#FAF9A6", "#F7EC11"),
'potential'= color_tile("#FAF9A6", "#F7EC11"),
'value_eur'= color_tile("#EEEDF1","#FB7563")))| long_name | club | age | power_stamina | movement_acceleration | overall | potential | value_eur |
|---|---|---|---|---|---|---|---|
| Gastón Silva | Independiente | 25 | 73 | 68 | 73 | 78 | 4.8 |
| Alexis Soto | Racing Club | 25 | 86 | 73 | 73 | 78 | 4.7 |
| Omar Federico Alderete Fernández | FC Basel 1893 | 22 | 78 | 59 | 72 | 82 | 4.6 |
| Sebastián Ignacio Vegas Orellana | Monarcas Morelia | 22 | 75 | 71 | 72 | 80 | 4.2 |
| Gonzalo Escobar | Club Atlético Colón | 22 | 83 | 82 | 72 | 80 | 4.1 |
| Milton Nahuel Valenzuela | Columbus Crew SC | 20 | 75 | 75 | 71 | 81 | 3.5 |
| Gonzalo Piovi | Defensa y Justicia | 24 | 75 | 66 | 71 | 76 | 2.8 |
| Lucas Villalba | Club Atlético Aldosivi | 24 | 75 | 79 | 71 | 75 | 2.7 |
| Stefano Magnasco | Universidad Católica | 26 | 88 | 85 | 71 | 72 | 2.4 |
| Alfonso Espino | Cádiz CF | 27 | 88 | 75 | 71 | 72 | 2.4 |
Resultados Scouting Lateral Izquierdo
Se armo la lista de candidatos nomás. Veamos, por E’ UN TALENTO (Overall) tenemos a Gastón Silva y Soto compartiendo el podio con 73. El paraguayo Alderete tiene serias chances de ser THE CHOSEN ONE por potencial. Pero miralo a Escobar. Escobar está MUY fuerte en las cualidades defensivas, tiene potencial y tiene un valor más que aceptable.
Mi apuesta va por robarle el lateral izquierdo al Sabalero, Gonzalo Escobar. Sino, te dejo elegir entre Silva y Alderete (tiene más potencial).
El nacido en Korn, flamante campeón del Fútbol Argentino a 2 años de perder la final de la Copa Sudamericana ante Independiente del Valle.
Scouting de Mediocampistas (CM)
Apliquemos el mismo método que hicimos con los laterales izquierdos. La única diferencia es que prestaremos mayor atención en el potencial, debido a que jugadores con overall mayor a 76 no deben existir a menos de 6 palos. Por ende, los criterios van a ser:
- Región: Latinoamérica
- Potencial > 80
- Age < 33
- Value < 6 palos
- Overall < Potencial
# Hacemos la lista
mediocampistas_scouting <- datos %>%
filter((nationality=="Argentina" | nationality=="Perú" |
nationality=="Paraguay" | nationality=="Bolivia" | nationality=="Uruguay"|
nationality=="Chile" | nationality=="Colombia"| nationality=="Ecuador"|
nationality=="Venezuela" | nationality=="Mexico") & str_detect(player_positions,'CM')
& potential>80 & age<33 & value_eur<6 & overall<potential) %>%
select(long_name,club,age,mentality_interceptions,movement_balance,overall,potential,value_eur)
mediocampistas_scouting <- mediocampistas_scouting[order(-mediocampistas_scouting$potential,-mediocampistas_scouting$overall),]
# Ploteamos la lista
formattable(mediocampistas_scouting, align =c("l","l","c","c","c","c","c","c"), list(
'long_name' = formatter("span", style = ~ style(color = "gray27",font.family='Noto Sans','font-size:14px')),
'club' = formatter("span", style = ~ style(color = "#C2C0BC",font.family='Noto Sans','font-size:10px')),
'age' = color_tile("#F0EEF0","#8B7B8B"),
'mentality_interceptions'= color_tile("#FAF9A6", "#F7EC11"),
'movement_balance'= color_tile("#FAF9A6", "#F7EC11"),
'overall'= color_tile("#FAF9A6", "#F7EC11"),
'potential'= color_tile("#FAF9A6", "#F7EC11"),
'value_eur'= color_tile("#EEEDF1","#FB7563")))| long_name | club | age | mentality_interceptions | movement_balance | overall | potential | value_eur | |
|---|---|---|---|---|---|---|---|---|
| 6 | Agustín Urzi | Club Atlético Banfield | 19 | 29 | 84 | 69 | 87 | 2.300 |
| 1 | Iván Gómez | Estudiantes de La Plata | 22 | 67 | 77 | 72 | 83 | 4.900 |
| 3 | Kevin Balanta | Club Tijuana | 22 | 66 | 64 | 71 | 83 | 3.900 |
| 9 | Andrés Perea | Atlético Nacional | 18 | 59 | 54 | 63 | 83 | 0.725 |
| 7 | Juan Manuel Sanabria | Atlético Madrid | 19 | 46 | 78 | 64 | 82 | 0.975 |
| 2 | Eduard Atuesta | Los Angeles FC | 22 | 71 | 81 | 72 | 81 | 4.400 |
| 4 | Erick Germain Aguirre Tafolla | Pachuca | 22 | 67 | 79 | 70 | 81 | 3.000 |
| 5 | Jorman Campuzano | Boca Juniors | 23 | 67 | 73 | 70 | 81 | 2.800 |
| 8 | Martín Ismael Payero | Club Atlético Talleres | 20 | 54 | 61 | 64 | 81 | 0.975 |
| 10 | Evelio Cardozo | Racing Club | 18 | 34 | 87 | 61 | 81 | 0.525 |
Resultados Scouting Mediocampista
Ah bueno. Hay mucho acá, nos vamos de compras. Destacadísimo Urzi por potencial de ¡87! a un precio IRRISORIO de 2, Iván Gómez está ahí también. Otra compra seria es la del colombiano Atuesta, con un potencial de 82 y buenos stats de mediocampo. Mi voto es: Urzi
Y estás con el carrito, góndola de golosinas, te llevas a Evelio Cardozo.
3 años lleva en el Sur el pretendido por Simeone hace un tiempo. Urzi suele volarse a la izquierda, tanto por la banda como interno
Scouting de Delanteros
Necesitamos gol, presencia, efectividad. Vamos a llegar poco y vamos a tener que aprovecharlas. Yo extraño a Caraglio, ponele. Vamos.
Criterios:
- Región: Latinoamérica
- Edad < 33
- Valor < 7M
- Overall > 71
- Overall < Potencial
# Hacemos la lista
delanteros_scouting <- datos %>%
filter((nationality=="Argentina" | nationality=="Perú" |
nationality=="Paraguay" | nationality=="Bolivia" | nationality=="Uruguay"|
nationality=="Chile" | nationality=="Colombia"| nationality=="Ecuador"|
nationality=="Venezuela" | nationality=="Mexico") & (str_detect(player_positions,'CF')|str_detect(player_positions,'ST'))
& overall>71 & age<33 & value_eur<7 & overall<potential) %>%
select(long_name,club,age,attacking_finishing,power_shot_power,overall,potential,value_eur)
delanteros_scouting <- delanteros_scouting[order(-delanteros_scouting$overall,-delanteros_scouting$potential),]
# Ploteamos la lista
formattable(delanteros_scouting, align =c("l","l","c","c","c","c","c","c"), list(
'long_name' = formatter("span", style = ~ style(color = "gray27",font.family='Noto Sans','font-size:14px')),
'club' = formatter("span", style = ~ style(color = "#C2C0BC",font.family='Noto Sans','font-size:10px')),
'age' = color_tile("#F0EEF0","#8B7B8B"),
'attacking_finishing'= color_tile("#FAF9A6", "#F7EC11"),
'power_shot_power'= color_tile("#FAF9A6", "#F7EC11"),
'overall'= color_tile("#FAF9A6", "#F7EC11"),
'potential'= color_tile("#FAF9A6", "#F7EC11"),
'value_eur'= color_tile("#EEEDF1","#FB7563")))| long_name | club | age | attacking_finishing | power_shot_power | overall | potential | value_eur |
|---|---|---|---|---|---|---|---|
| Gustavo Ezequiel Blanco Leschuk | Shakhtar Donetsk | 27 | 77 | 75 | 74 | 75 | 6.5 |
| Franco Soldano | Boca Juniors | 24 | 75 | 74 | 73 | 80 | 5.5 |
| Jhonder Leonel Cádiz Fernández | SL Benfica | 23 | 72 | 75 | 73 | 80 | 5.5 |
| Juan Dinenno | Deportivo Cali | 24 | 77 | 76 | 73 | 78 | 5.5 |
| Walter Ariel Bou | Unión de Santa Fe | 25 | 76 | 75 | 73 | 77 | 5.0 |
| Alan Ruiz | Club Atlético Aldosivi | 25 | 70 | 81 | 73 | 76 | 5.0 |
| Jonathan Agudelo | Cúcuta Deportivo | 26 | 74 | 66 | 73 | 76 | 5.0 |
| Michael Santos | Málaga CF | 26 | 73 | 72 | 73 | 76 | 5.0 |
| Fernando Aristeguieta | Monarcas Morelia | 27 | 79 | 69 | 73 | 74 | 4.7 |
| Thiago Almada | Vélez Sarsfield | 18 | 71 | 72 | 72 | 88 | 6.5 |
| Adalberto Peñaranda | Watford | 22 | 69 | 70 | 72 | 80 | 4.6 |
| Gabriel Fernández | RC Celta | 25 | 77 | 65 | 72 | 77 | 4.2 |
| César Falletti | Bologna | 26 | 60 | 69 | 72 | 75 | 3.9 |
| Javier Correa | Club Atlas | 26 | 76 | 77 | 72 | 74 | 3.8 |
| Octavio Rivero | Santos Laguna | 27 | 70 | 74 | 72 | 73 | 3.6 |
Resultado Scouting Delanteros
Bueno, parece que están caros los delanteros sudamericanos. En cuanto al Overall, no hay diferencia entre sí más de 2. Viendo el potencial, Peñaranda del Watford sin dudas se afirma para ser la primera compra. Podemos romper el chanchito con Almada por 7 palos y tenés a un futuro crack mundial; sale 3 palos más que Peñaranda.Gaby Fernández puede ser una alternativa.
PEÑARANDA!
Peñaranda, representante de la Vinotinto. Se filtró un video de joda un día antes del partido por Premier, ¿preparamos las valijas, Adalberto?
Conclusiones finales
Estamos más que contentos con el resultado. Con 11M traemos jugadores con actualidad y potencial para rascar algún repechaje a la UEFA Europa League.
# Hacemos la lista
jugadores_finales <- datos %>%
filter(long_name=="Gonzalo Escobar" | long_name=="Agustín Urzi" | long_name=="Adalberto Peñaranda") %>%
select(long_name,club,age,overall,potential,value_eur)
jugadores_finales <- jugadores_finales[order(-jugadores_finales$overall,-jugadores_finales$potential),]
# Ploteamos la lista
formattable(jugadores_finales, align =c("l","l","c","c","c","c"), list(
'long_name' = formatter("span", style = ~ style(color = "gray27",font.family='Noto Sans','font-size:14px')),
'club' = formatter("span", style = ~ style(color = "#C2C0BC",font.family='Noto Sans','font-size:10px')),
'age' = color_tile("#F0EEF0","#8B7B8B"),
'power_stamina'= color_tile("#FAF9A6", "#F7EC11"),
'movement_acceleration'= color_tile("#FAF9A6", "#F7EC11"),
'overall'= color_tile("#FAF9A6", "#F7EC11"),
'potential'= color_tile("#FAF9A6", "#F7EC11"),
'value_eur'= color_tile("#EEEDF1","#FB7563")))| long_name | club | age | overall | potential | value_eur |
|---|---|---|---|---|---|
| Adalberto Peñaranda | Watford | 22 | 72 | 80 | 4.6 |
| Gonzalo Escobar | Club Atlético Colón | 22 | 72 | 80 | 4.1 |
| Agustín Urzi | Club Atlético Banfield | 19 | 69 | 87 | 2.3 |
¿Podrán?
Lo veremos en el próximo capítulo de Burnley, Camino a la Gloria(?
Gracias!
```