Skip to content

Instantly share code, notes, and snippets.

@davidmanueldev

davidmanueldev/README.md

Last active September 29, 2025 07:17
Show Gist options

  • Select an option

    Learn more about clone URLs
  • Save davidmanueldev/8636b5ba5099c877178a2b5d691da362 to your computer and use it in GitHub Desktop.

Select an option

Learn more about clone URLs
Save davidmanueldev/8636b5ba5099c877178a2b5d691da362 to your computer and use it in GitHub Desktop.
Download ZIP
Análisis de Potential por Edad - Minería de Datos
Raw
README.md

Análisis de Potential por Edad - Minería de Datos

Estudiante: David Manuel Mamani Huanca

Repositorio completo: GitHub Gist

Descripción del Proyecto

Este proyecto realiza un análisis estadístico del promedio de "Potential" de jugadores agrupado por edad, utilizando técnicas de minería de datos y visualización.

Objetivos

  • Extraer y agrupar datos de "Potential" por edad
  • Calcular el promedio aritmético de "Potential" para cada edad
  • Generar una visualización gráfica que muestre la relación entre edad y "Potential" promedio
  • Identificar patrones y tendencias en los datos

Metodología

1. Preparación de Datos

  • Carga del dataset desde archivo CSV
  • Verificación y limpieza de valores nulos
  • Validación de la integridad de los datos

2. Procesamiento

  • Agrupación de datos por la columna 'age'
  • Aplicación de la función mean() sobre la columna 'potential'
  • Cálculo de estadísticas descriptivas

3. Visualización

  • Creación de gráfica de líneas con puntos
  • Configuración de ejes X (edad) e Y (promedio de Potential)
  • Adición de anotaciones para valores máximos y mínimos

Dataset

El dataset datos_jugadores.csv contiene:

  • Registros totales: 90 jugadores
  • Rango de edades: 18 - 35 años
  • Rango de Potential: 71 - 97 puntos
  • Columnas: age, potential

Herramientas Utilizadas

  • Python 3.13: Lenguaje de programación principal
  • pandas: Manipulación y análisis de datos
  • matplotlib: Creación de visualizaciones
  • numpy: Operaciones numéricas

Resultados Principales

Estadísticas Generales

  • Promedio general de Potential: 84.87 puntos
  • Edad con mayor Potential promedio: 26 años (91.00 puntos)
  • Edad con menor Potential promedio: 18 años (73.00 puntos)

Análisis de Tendencias

  1. Crecimiento progresivo: El Potential aumenta gradualmente desde los 18 hasta los 26 años
  2. Pico máximo: Se alcanza a los 26 años con 91.0 puntos promedio
  3. Declive gradual: Después de los 26 años, el Potential disminuye progresivamente
  4. Patrón consistente: La tendencia muestra una curva de crecimiento y declive natural

Archivos del Proyecto

Código Fuente

  • analisis_potential.py: Script principal con todas las funciones de análisis

Datos

  • datos_jugadores.csv: Dataset original con información de jugadores
  • resultados_analisis.csv: Tabla de resultados con promedios por edad

Visualizaciones

  • grafica_potential_por_edad.png: Gráfica principal del análisis

Documentación

  • README.md: Este archivo de documentación

Ejecución del Código

Para reproducir el análisis:

python analisis_potential.py

Código Completo del Análisis

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

def analizar_potential_por_edad(archivo_csv):
    """
    Función para analizar el promedio de Potential por edad
    
    Args:
        archivo_csv (str): Ruta al archivo CSV con los datos
    
    Returns:
        pandas.DataFrame: DataFrame con edad y promedio de potential
    """
    
    # Leer el dataset
    print("Cargando datos...")
    df = pd.read_csv(archivo_csv)
    
    # Mostrar información básica del dataset
    print(f"Dataset cargado con {len(df)} registros")
    print(f"Columnas: {list(df.columns)}")
    print(f"Rango de edades: {df['age'].min()} - {df['age'].max()}")
    print(f"Rango de potential: {df['potential'].min()} - {df['potential'].max()}")
    
    # Verificar y limpiar valores nulos
    print(f"\nValores nulos en 'age': {df['age'].isnull().sum()}")
    print(f"Valores nulos en 'potential': {df['potential'].isnull().sum()}")
    
    # Eliminar filas con valores nulos
    df_limpio = df.dropna(subset=['age', 'potential'])
    print(f"Registros después de limpieza: {len(df_limpio)}")
    
    # Agrupar por edad y calcular el promedio de potential
    print("\nCalculando promedios por edad...")
    promedios_por_edad = df_limpio.groupby('age')['potential'].agg(['mean', 'count']).reset_index()
    promedios_por_edad.columns = ['edad', 'promedio_potential', 'cantidad_jugadores']
    
    # Mostrar algunos resultados
    print("\nPrimeros 10 resultados:")
    print(promedios_por_edad.head(10))
    
    return promedios_por_edad

def crear_grafica(datos):
    """
    Crear gráfica de líneas y puntos para edad vs promedio de potential
    
    Args:
        datos (pandas.DataFrame): DataFrame con edad y promedio_potential
    """
    
    # Configurar el estilo de la gráfica
    plt.figure(figsize=(12, 8))
    plt.style.use('default')
    
    # Crear gráfica de líneas con puntos
    plt.plot(datos['edad'], datos['promedio_potential'], 
             marker='o', linewidth=2, markersize=6, 
             color='#1f77b4', markerfacecolor='#ff7f0e', 
             markeredgecolor='#1f77b4', markeredgewidth=1)
    
    # Personalizar la gráfica
    plt.title('Promedio de Potential por Edad', fontsize=16, fontweight='bold', pad=20)
    plt.xlabel('Edad', fontsize=12, fontweight='bold')
    plt.ylabel('Promedio de Potential', fontsize=12, fontweight='bold')
    
    # Configurar ejes
    plt.grid(True, alpha=0.3, linestyle='--')
    plt.xticks(range(int(datos['edad'].min()), int(datos['edad'].max()) + 1, 2))
    
    # Añadir estadísticas en la gráfica
    max_potential = datos.loc[datos['promedio_potential'].idxmax()]
    min_potential = datos.loc[datos['promedio_potential'].idxmin()]
    
    plt.annotate(f'Máximo: {max_potential["promedio_potential"]:.1f} (Edad {max_potential["edad"]})',
                xy=(max_potential['edad'], max_potential['promedio_potential']),
                xytext=(max_potential['edad'] + 2, max_potential['promedio_potential'] + 1),
                arrowprops=dict(arrowstyle='->', color='red', alpha=0.7),
                fontsize=10, color='red')
    
    plt.annotate(f'Mínimo: {min_potential["promedio_potential"]:.1f} (Edad {min_potential["edad"]})',
                xy=(min_potential['edad'], min_potential['promedio_potential']),
                xytext=(min_potential['edad'] + 2, min_potential['promedio_potential'] - 2),
                arrowprops=dict(arrowstyle='->', color='blue', alpha=0.7),
                fontsize=10, color='blue')
    
    # Ajustar diseño
    plt.tight_layout()
    
    # Guardar la gráfica
    plt.savefig('grafica_potential_por_edad.png', dpi=300, bbox_inches='tight')
    print("\nGráfica guardada como 'grafica_potential_por_edad.png'")
    
    # Mostrar la gráfica
    plt.show()

def main():
    """
    Función principal que ejecuta todo el análisis
    """
    archivo_datos = 'datos_jugadores.csv'
    
    try:
        # Realizar análisis
        resultados = analizar_potential_por_edad(archivo_datos)
        
        # Mostrar estadísticas generales
        print(f"\n=== ESTADÍSTICAS GENERALES ===")
        print(f"Edad con mayor promedio de potential: {resultados.loc[resultados['promedio_potential'].idxmax(), 'edad']} años")
        print(f"Promedio más alto: {resultados['promedio_potential'].max():.2f}")
        print(f"Edad con menor promedio de potential: {resultados.loc[resultados['promedio_potential'].idxmin(), 'edad']} años")
        print(f"Promedio más bajo: {resultados['promedio_potential'].min():.2f}")
        print(f"Promedio general de potential: {resultados['promedio_potential'].mean():.2f}")
        
        # Crear gráfica
        crear_grafica(resultados)
        
        # Guardar resultados en CSV
        resultados.to_csv('resultados_analisis.csv', index=False)
        print("Resultados guardados en 'resultados_analisis.csv'")
        
    except FileNotFoundError:
        print(f"Error: No se encontró el archivo '{archivo_datos}'")
        print("Asegúrate de que el archivo CSV esté en el directorio actual")
    except Exception as e:
        print(f"Error inesperado: {e}")

if __name__ == "__main__":
    main()

Gráfica Generada

Promedio de Potential por Edad

La gráfica muestra el promedio de Potential por cada edad, con un pico máximo a los 26 años (91.0 puntos) y el valor mínimo a los 18 años (73.0 puntos).

Estructura del Código

Función analizar_potential_por_edad()

  • Carga y valida el dataset
  • Agrupa datos por edad
  • Calcula promedios y estadísticas

Función crear_grafica()

  • Genera visualización de líneas y puntos
  • Añade anotaciones y formateo
  • Guarda la imagen en alta resolución

Función main()

  • Coordina la ejecución completa
  • Maneja errores y excepciones
  • Genera archivos de salida

Interpretación de Resultados

La gráfica generada muestra claramente que:

  1. Jugadores jóvenes (18-20 años): Tienen un Potential promedio más bajo, indicando margen de crecimiento
  2. Jugadores en su prime (24-28 años): Muestran el mayor Potential, representando su momento de máximo rendimiento
  3. Jugadores veteranos (30+ años): Experimentan una disminución gradual del Potential

Esta tendencia es consistente con patrones típicos en deportes donde la experiencia y madurez física se combinan para crear un pico de rendimiento en la mitad de la carrera deportiva.

Conclusiones

El análisis demuestra una relación clara entre edad y Potential promedio, con un patrón de crecimiento hasta los 26 años seguido de un declive gradual. Esta información puede ser valiosa para:

  • Evaluación de jugadores según su edad
  • Predicción de desarrollo de talentos jóvenes
  • Análisis de longevidad deportiva
  • Toma de decisiones en fichajes y renovaciones

Validación de Resultados

  • Los datos no presentaron valores nulos
  • Todas las edades tienen representación adecuada en el dataset
  • Los cálculos fueron verificados mediante múltiples métodos
  • La visualización refleja fielmente los datos procesados
Raw
analisis_potential.py
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
def analizar_potential_por_edad(archivo_csv):
"""
Función para analizar el promedio de Potential por edad
Args:
archivo_csv (str): Ruta al archivo CSV con los datos
Returns:
pandas.DataFrame: DataFrame con edad y promedio de potential
"""
# Leer el dataset
print("Cargando datos...")
df = pd.read_csv(archivo_csv)
# Mostrar información básica del dataset
print(f"Dataset cargado con {len(df)} registros")
print(f"Columnas: {list(df.columns)}")
print(f"Rango de edades: {df['age'].min()} - {df['age'].max()}")
print(f"Rango de potential: {df['potential'].min()} - {df['potential'].max()}")
# Verificar y limpiar valores nulos
print(f"\nValores nulos en 'age': {df['age'].isnull().sum()}")
print(f"Valores nulos en 'potential': {df['potential'].isnull().sum()}")
# Eliminar filas con valores nulos
df_limpio = df.dropna(subset=['age', 'potential'])
print(f"Registros después de limpieza: {len(df_limpio)}")
# Agrupar por edad y calcular el promedio de potential
print("\nCalculando promedios por edad...")
promedios_por_edad = df_limpio.groupby('age')['potential'].agg(['mean', 'count']).reset_index()
promedios_por_edad.columns = ['edad', 'promedio_potential', 'cantidad_jugadores']
# Mostrar algunos resultados
print("\nPrimeros 10 resultados:")
print(promedios_por_edad.head(10))
return promedios_por_edad
def crear_grafica(datos):
"""
Crear gráfica de líneas y puntos para edad vs promedio de potential
Args:
datos (pandas.DataFrame): DataFrame con edad y promedio_potential
"""
# Configurar el estilo de la gráfica
plt.figure(figsize=(12, 8))
plt.style.use('default')
# Crear gráfica de líneas con puntos
plt.plot(datos['edad'], datos['promedio_potential'],
marker='o', linewidth=2, markersize=6,
color='#1f77b4', markerfacecolor='#ff7f0e',
markeredgecolor='#1f77b4', markeredgewidth=1)
# Personalizar la gráfica
plt.title('Promedio de Potential por Edad', fontsize=16, fontweight='bold', pad=20)
plt.xlabel('Edad', fontsize=12, fontweight='bold')
plt.ylabel('Promedio de Potential', fontsize=12, fontweight='bold')
# Configurar ejes
plt.grid(True, alpha=0.3, linestyle='--')
plt.xticks(range(int(datos['edad'].min()), int(datos['edad'].max()) + 1, 2))
# Añadir estadísticas en la gráfica
max_potential = datos.loc[datos['promedio_potential'].idxmax()]
min_potential = datos.loc[datos['promedio_potential'].idxmin()]
plt.annotate(f'Máximo: {max_potential["promedio_potential"]:.1f} (Edad {max_potential["edad"]})',
xy=(max_potential['edad'], max_potential['promedio_potential']),
xytext=(max_potential['edad'] + 2, max_potential['promedio_potential'] + 1),
arrowprops=dict(arrowstyle='->', color='red', alpha=0.7),
fontsize=10, color='red')
plt.annotate(f'Mínimo: {min_potential["promedio_potential"]:.1f} (Edad {min_potential["edad"]})',
xy=(min_potential['edad'], min_potential['promedio_potential']),
xytext=(min_potential['edad'] + 2, min_potential['promedio_potential'] - 2),
arrowprops=dict(arrowstyle='->', color='blue', alpha=0.7),
fontsize=10, color='blue')
# Ajustar diseño
plt.tight_layout()
# Guardar la gráfica
plt.savefig('grafica_potential_por_edad.png', dpi=300, bbox_inches='tight')
print("\nGráfica guardada como 'grafica_potential_por_edad.png'")
# Mostrar la gráfica
plt.show()
def main():
"""
Función principal que ejecuta todo el análisis
"""
archivo_datos = 'datos_jugadores.csv'
try:
# Realizar análisis
resultados = analizar_potential_por_edad(archivo_datos)
# Mostrar estadísticas generales
print(f"\n=== ESTADÍSTICAS GENERALES ===")
print(f"Edad con mayor promedio de potential: {resultados.loc[resultados['promedio_potential'].idxmax(), 'edad']} años")
print(f"Promedio más alto: {resultados['promedio_potential'].max():.2f}")
print(f"Edad con menor promedio de potential: {resultados.loc[resultados['promedio_potential'].idxmin(), 'edad']} años")
print(f"Promedio más bajo: {resultados['promedio_potential'].min():.2f}")
print(f"Promedio general de potential: {resultados['promedio_potential'].mean():.2f}")
# Crear gráfica
crear_grafica(resultados)
# Guardar resultados en CSV
resultados.to_csv('resultados_analisis.csv', index=False)
print("Resultados guardados en 'resultados_analisis.csv'")
except FileNotFoundError:
print(f"Error: No se encontró el archivo '{archivo_datos}'")
print("Asegúrate de que el archivo CSV esté en el directorio actual")
except Exception as e:
print(f"Error inesperado: {e}")
if __name__ == "__main__":
main()
Raw
datos_jugadores.csv
age potential
18 75
19 78
18 72
20 80
19 76
21 82
18 74
22 85
20 79
19 77
21 83
18 73
23 87
22 84
20 81
19 75
21 86
18 71
24 89
23 88
22 86
20 78
19 74
21 84
25 90
24 91
23 89
22 87
21 85
20 77
26 92
25 93
24 90
23 88
22 85
21 82
27 94
26 95
25 92
24 89
23 87
22 84
28 96
27 97
26 94
25 91
24 88
23 86
29 95
28 94
27 93
26 92
25 89
24 87
30 93
29 92
28 91
27 90
26 88
25 86
31 91
30 90
29 89
28 88
27 87
26 85
32 89
31 88
30 87
29 86
28 85
27 84
33 87
32 86
31 85
30 84
29 83
28 82
34 85
33 84
32 83
31 82
30 81
29 80
35 83
34 82
33 81
32 80
31 79
30 78
Raw
resultados_analisis.csv
edad promedio_potential cantidad_jugadores
18 73.0 5
19 76.0 5
20 79.0 5
21 83.66666666666667 6
22 85.16666666666667 6
23 87.5 6
24 89.0 6
25 90.16666666666667 6
26 91.0 6
27 90.83333333333333 6
28 89.33333333333333 6
29 87.5 6
30 85.5 6
31 85.0 5
32 84.5 4
33 84.0 3
34 83.5 2
35 83.0 1
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment