5 scripts para analizar fútbol con Python
Un kit práctico para cargar datos, crear rankings, comparar jugadores, visualizar tendencias y generar gráficos listos para informe.
Notebooks del kit
La secuencia está pensada para que el usuario pase de leer un CSV a producir una visualización útil para informe.
¿Quieres saber qué nivel de Python necesitas?
Podemos orientarte según tu perfil, experiencia e intereses: análisis, scouting, IA, big data o rendimiento deportivo.
Instrucciones desde cero
Usa esta guía si nunca has abierto un notebook o si quieres evitar errores básicos antes de empezar. No necesitas instalar nada si trabajas con Google Colab.
Descarga y descomprime
Guarda el ZIP en tu ordenador, descomprímelo y conserva juntas las carpetas notebooks, datasets y outputs. Si cambias archivos de sitio, las rutas pueden fallar.
Abre Google Colab
Entra en colab.research.google.com, inicia sesión con Google y elige la opción de subir notebook. Es la forma más sencilla de empezar sin configurar Python en local.
Sube notebook y datos
Sube primero el notebook 01. Después sube el CSV principal desde la carpeta datasets cuando el propio notebook lo pida o cuando aparezca la zona de archivos de Colab.
Ejecuta de arriba abajo
Pulsa el botón de play de cada celda en orden. No saltes celdas: muchas dependen de variables creadas en pasos anteriores.
Si falla, revisa esto
El error más habitual es que Colab no encuentre el CSV. Comprueba que el archivo está subido, que el nombre coincide exactamente y vuelve a ejecutar la celda.
Escribe una conclusión
El objetivo no es solo que el código funcione. Al final de cada notebook escribe una frase: qué has visto, por qué importa y qué mirarías después.
Qué puedes conseguir
Estos ejemplos muestran el tipo de salida visual que persigue el kit: rankings, comparativas, tendencias y gráficos listos para informe.
Exploración inicial
Antes de crear rankings o gráficos, el primer paso es entender columnas, tipos de datos y primeras filas. Esta salida ayuda a empezar sin perderse.
Ranking accionable
Ordena jugadores con una métrica didáctica y entiende por qué aparecen arriba.
Comparativa visual
Convierte dos perfiles en una lectura más clara para scouting o análisis.
Tendencia temporal
Observa evolución, picos y caídas sin sacar conclusiones con una sola jornada.
Salida para informe
Termina con una pieza limpia, exportable y fácil de explicar.
Datos incluidos
Datasets de práctica creados por SDC para evitar dependencias con fuentes externas y problemas de uso.
Jugadores de práctica
30 jugadores ficticios con posición, equipo, minutos, goles, xG, xA, pases progresivos, recuperaciones y rating.
Descargar dataset de jugadoresEvolución partido a partido
50 filas para practicar tendencias de xG, tiros y rating a lo largo de 10 jornadas.
Descargar evolución por partido¿Te quedaste con ganas de más?
Si este kit te ha servido para empezar, el siguiente paso es aprender a construir proyectos completos. Pregunta por nuestro Máster en Python Avanzado aplicado al Deporte y descubre qué nivel necesitas para avanzar con criterio técnico.
Explorar Máster de Python
