A evolução dos esquemas táticos no futebol:
Temos uma bela explicação sobre a evolução das táticas dos melhores do mundo." (Nexo)
vamos montar a seleção brasileira de futebol seguindo a formação 4 - 1 - 4 - 1 utilizada pelo Tite na Copa do Mundo de 2018. Isso significa que iremos precisar de 4 zagueiros, 1 volante, 2 meias, 2 pontas e 1 atacante. Agora, quais as habilidades necessárias em cada uma dessas posições?
Goleiro: habilidades de goleiro
Defesa: habilidade de defesa
Volante: decisão, passes curtos e longos.
Meias: finalização e passes curtos.
Pontas: resistência, finalização com os pés e passes longos.
Atacante: resistência, finalização com cabeça e com os pés.
A partir dessas habilidades podemos criar métricas para medir o quão bom um jogador é para uma determinada posição.
Goleiro:
Defesa:
Volante:
Meias:
Pontas:
Atacante:
###Filtrando para a Seleção Brasileira
data <- data %>%
filter(Nationality == "Brazil")###Criando as Métricas
data <- data %>%
mutate(metrica_goleiro = GKHandling * GKReflexes,
metrica_defesa = Marking * Interceptions,
metrica_volante = LongPassing * Crossing,
metrica_meia = ShortPassing * Finishing,
metrica_pontas = Finishing * Crossing,
metrica_atacante = Finishing * Volleys)##Análise Exploratoria
###Goleiros
ggplot(data, mapping = aes(x = metrica_goleiro)) +
geom_histogram()
#> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
#> Warning: Removed 2 rows containing non-finite values (stat_bin).
Mas o que raios aconteceu? É de se esperar que nem todo jogador tenha habilidade de goleiro. Logo para ter uma noção da distribuição dos goleiros nos limitar àqueles que jogam nessa posição.
data %>%
filter(Position == "GK") %>%
ggplot(data, mapping = aes(x = metrica_goleiro))+
geom_histogram()
#> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
data %>%
ggplot(mapping = aes(x = GKReflexes, y = GKPositioning)) +
geom_point()
#> Warning: Removed 2 rows containing missing values (geom_point).
data %>%
select(Name, metrica_goleiro) %>%
arrange(desc(metrica_goleiro)) %>%
head(10)
#> # A tibble: 10 x 2
#> Name metrica_goleiro
#> <chr> <dbl>
#> 1 Alisson 7128
#> 2 Ederson 6960
#> 3 Raphaelito Anjos 6552
#> 4 Neto 6478
#> 5 Gabri Prestão 6150
#> 6 Gomes 5976
#> 7 Fred Aníbão 5929
#> 8 Renan Ribeiro 5850
#> 9 Matheus 5840
#> 10 Douglas 5775###Zagueiro
data %>%
ggplot(mapping = aes(x = Marking, y = Interceptions ))+
geom_point()
#> Warning: Removed 2 rows containing missing values (geom_point).
ggplot(data, mapping = aes(x = metrica_defesa)) +
geom_histogram()
#> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
#> Warning: Removed 2 rows containing non-finite values (stat_bin).
data %>%
select(Name, metrica_defesa) %>%
arrange(desc(metrica_defesa)) %>%
head(10)
#> # A tibble: 10 x 2
#> Name metrica_defesa
#> <chr> <dbl>
#> 1 Thiago Silva 7832
#> 2 Casemiro 7656
#> 3 Miranda 7650
#> 4 Fernandinho 7480
#> 5 Allan 7310
#> 6 Marquinhos 7140
#> 7 Josué Chiamulera 7140
#> 8 Naldo 7138
#> 9 Lucas Leiva 7134
#> 10 Fabinho 6972data %>%
ggplot(mapping = aes(x = LongPassing, y = Crossing)) +
geom_point()
#> Warning: Removed 2 rows containing missing values (geom_point).
ggplot(data, mapping = aes(x = metrica_volante)) +
geom_histogram()
#> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
#> Warning: Removed 2 rows containing non-finite values (stat_bin).
data %>%
select(Name, metrica_volante) %>%
arrange(desc(metrica_volante)) %>%
head(10)
#> # A tibble: 10 x 2
#> Name metrica_volante
#> <chr> <dbl>
#> 1 Alex Telles 7654
#> 2 Marcelo 6840
#> 3 Ronaldo Cabrais 6806
#> 4 Dani Alves 6715
#> 5 Filipe Luís 6622
#> 6 Coutinho 6557
#> 7 Jefferson 6468
#> 8 Ganso 6320
#> 9 Adriano 6237
#> 10 Mariano 6225data %>%
ggplot(mapping = aes(x = ShortPassing, y = Finishing)) +
geom_point()
#> Warning: Removed 2 rows containing missing values (geom_point).
ggplot(data, mapping = aes(x = metrica_meia)) +
geom_histogram()
#> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
#> Warning: Removed 2 rows containing non-finite values (stat_bin).
data %>%
select(Name, metrica_meia) %>%
arrange(desc(metrica_meia)) %>%
head(10)
#> # A tibble: 10 x 2
#> Name metrica_meia
#> <chr> <dbl>
#> 1 Roberto Firmino 7482
#> 2 Neymar Jr 7308
#> 3 Coutinho 6952
#> 4 Paulinho 6804
#> 5 Jonas 6688
#> 6 Willian José 6552
#> 7 Oscar 6536
#> 8 Anderson Talisca 6480
#> 9 Giuliano 6478
#> 10 Raffael 6474data %>%
ggplot(mapping = aes(x = Finishing, y = Crossing)) +
geom_point()
#> Warning: Removed 2 rows containing missing values (geom_point).
ggplot(data, mapping = aes(x = metrica_pontas)) +
geom_histogram()
#> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
#> Warning: Removed 2 rows containing non-finite values (stat_bin).
data %>%
select(Name, metrica_pontas) %>%
arrange(desc(metrica_pontas)) %>%
head(10)
#> # A tibble: 10 x 2
#> Name metrica_pontas
#> <chr> <dbl>
#> 1 Neymar Jr 6873
#> 2 Marcelo 6300
#> 3 Roberto Firmino 6264
#> 4 Coutinho 6241
#> 5 Anderson Talisca 6240
#> 6 Jonas 6160
#> 7 Hulk 6156
#> 8 Ronaldo Cabrais 6142
#> 9 Raffael 6084
#> 10 Giuliano 6083data %>%
select(Name, metrica_atacante) %>%
arrange(desc(metrica_atacante)) %>%
head(10)
#> # A tibble: 10 x 2
#> Name metrica_atacante
#> <chr> <dbl>
#> 1 Jonas 7480
#> 2 Neymar Jr 7308
#> 3 Roberto Firmino 7047
#> 4 Louri Beretta 6970
#> 5 Willian José 6720
#> 6 Charles 6720
#> 7 Raffael 6474
#> 8 Taison 6232
#> 9 Anderson Talisca 6080
#> 10 Paulinho 6075goleiro <- data %>%
arrange(desc(metrica_goleiro)) %>%
head(1)
zagueiros <- data %>%
arrange(desc(metrica_defesa)) %>%
head(4)
volante <- data %>%
arrange(desc(metrica_volante)) %>%
head(1)
meias <- data %>%
arrange(desc(metrica_meia)) %>%
head(1)
atacante <- data %>%
arrange(desc(metrica_atacante)) %>%
head(1)
nosso_time <- goleiro %>%
bind_rows(zagueiros,
volante,
meias,
atacante)###pelo estudo e pelas metricas de cada jogador, temos uma seleção perfeita para a competição.
nosso_time %>%
select(Name)
#> # A tibble: 8 x 1
#> Name
#> <chr>
#> 1 Alisson
#> 2 Thiago Silva
#> 3 Casemiro
#> 4 Miranda
#> 5 Fernandinho
#> 6 Alex Telles
#> 7 Roberto Firmino
#> 8 JonasCaso um olheiro precise de jogadores ele pode usar essa metricas para escolher o melhor jogar para ser contratado par ao seu time.