⚽ Fútbol - Top 100 Leyendas del Fútbol Mundial

📋 Descripción

Análisis exploratorio completo de los 100 mejores futbolistas de la historia utilizando Python, Pandas, Machine Learning y visualizaciones profesionales.

🎯 Objetivos

• Analizar estadísticas de los mejores futbolistas (1945-2024)
• Identificar correlaciones entre goles, asistencias y títulos
• Segmentar jugadores con clustering K-Means
• Visualizar evolución del fútbol por décadas

🏆 Hallazgos Principales

Top 5 Jugadores

1. Lionel Messi - Rating: 99.2/100 - 821 goles - 8 Balones de Oro
2. Cristiano Ronaldo - Rating: 98.8/100 - 895 goles - 5 Balones de Oro
3. Pelé - Rating: 98.5/100 - 767 goles - 3 Mundiales
4. Diego Maradona - Rating: 98.2/100 - 346 goles - 1 Mundial
5. Johan Cruyff - Rating: 97.8/100 - 291 goles - 3 Balones de Oro

Estadísticas Clave

• Calificación Promedio: 82.1/100
• Máximo Goleador: Cristiano Ronaldo (895 goles)
• Más Balones de Oro: Lionel Messi (8)
• Más Champions League: Cristiano Ronaldo (5)
• Confederación dominante: UEFA (70%)

📊 Dataset

• Total jugadores: 100
• Período: 1945-2024
• Variables: 19 columnas
• Jugadores activos: 30

🛠️ Tecnologías

• Python 3.8+
• Pandas, NumPy - Manipulación de datos
• Matplotlib, Seaborn, Plotly - Visualizaciones
• Scikit-learn - Clustering K-Means
• Scipy - Tests estadísticos

📁 Archivos del Proyecto

├── Futbol_Top100_Leyendas.csv          # Dataset original
├── Futbol_Top100_Analizado.csv         # Dataset con clusters
├── Resumen_Analisis_Futbol.csv         # Métricas principales
├── Analisis_Por_Decada.csv             # Evolución temporal
├── Analisis_Por_Confederacion.csv      # Análisis geográfico
├── Estadisticas_Por_Posicion.csv       # Por posición
├── Hallazgos_Principales.txt           # Insights en texto
└── Futbol_Analisis_Completo.zip        # Todo en ZIP

🚀 Cómo Usar

import pandas as pd

# Cargar datos
df = pd.read_csv('Futbol_Top100_Leyendas.csv')

# Explorar
print(df.head())
print(df.describe())

# Ver hallazgos
with open('Hallazgos_Principales.txt', 'r', encoding='utf-8') as f:
    print(f.read())

📈 Análisis Realizados

1. ✅ Análisis Exploratorio de Datos (EDA)
2. ✅ Matriz de Correlaciones
3. ✅ Análisis Temporal por Décadas
4. ✅ Clustering K-Means (4 grupos)
5. ✅ Análisis por Confederación y Posición
6. ✅ Tests Estadísticos (ANOVA, Shapiro-Wilk)

🤝 Contribuciones

Las contribuciones son bienvenidas. Para contribuir:

1. Fork el proyecto
2. Crea una rama (git checkout -b feature/mejora)
3. Commit (git commit -m 'Mejora agregada')
4. Push (git push origin feature/mejora)
5. Abre un Pull Request

📄 Licencia

Este proyecto está bajo la Licencia MIT. Ver LICENSE para más detalles.

👤 Autor

Programan1008

• GitHub: @Programan1008

🙏 Agradecimientos

• Datos de fuentes públicas (Transfermarkt, FIFA, UEFA)
• Comunidad de data science
• Fanáticos del fútbol mundial

---

⭐ Si te gustó este proyecto, dale una estrella!