Sports Analytics con Python: Comparando los partidos con mayor y menor actividad ofensiva del Mundial FIFA 2026

Imagen
¿Qué hace realmente emocionante a un partido de fútbol? Cuando hablamos de un gran partido solemos pensar inmediatamente en muchos goles. Sin embargo, en Sports Analytics la producción ofensiva puede analizarse desde una perspectiva mucho más amplia utilizando estadísticas avanzadas. En este proyecto desarrollé un Match Excitement Score (MES) , un índice que resume la actividad ofensiva de cada encuentro del Mundial FIFA 2026 mediante una combinación de métricas tradicionales y avanzadas. Todo el análisis fue realizado en Python utilizando Pandas y Matplotlib, compartiendo además el notebook completo para que cualquier persona pueda reproducir los resultados. ¿Cómo se construyó el Match Excitement Score? El índice integra seis variables ofensivas disponibles en el dataset: ⚽ Goles 📈 Expected Goals (xG) 🎯 Total de disparos 🥅 Disparos a puerta 🔥 Big Chances 📍 Toques dentro del área rival Cada variable fue estandarizada mediante Z-score y posteriormente ...

Radiografía del Matrimonio en México: Un Análisis de Datos con Python (2018-2024)

 

Introducción

El matrimonio, más allá de ser un vínculo afectivo, es un acto jurídico que genera datos valiosos para entender la evolución de la sociedad mexicana. Tras analizar los divorcios en mi artículo anterior te comparto la liga Análisis divorcios en México, surge una pregunta obligada: ¿Cómo se están comportando las uniones en nuestro país?

En este post, utilizaremos Python y Jupyter Notebook para explorar el conjunto de datos oficiales del INEGI. A través de la limpieza de datos y visualizaciones, identificaremos tendencias, cambios generacionales y el impacto de factores externos en la formalización de estas uniones.

Metodología: El Camino de los Datos

Para obtener resultados confiables, seguí una estructura de trabajo clara:

  1. Extracción: Obtención de microdatos desde el portal oficial del INEGI.

  2. Exploración (EDA): Análisis previo de la estructura de los archivos comprimidos.

  3. Procesamiento: Lectura y limpieza profunda con la librería Pandas.

  4. Visualización: Creación de gráficos con Matplotlib y Seaborn.

  5. Interpretación: Generación de conclusiones basadas en la evidencia estadística.

Nota de analista: A diferencia de otros flujos de trabajo, prefiero abrir manualmente los archivos primero para comprender los catálogos y diccionarios antes de programar. Entender qué significan variables.


Extracción de Datos


Desde la página del INEGI Estadística de Matrimonios (EMAT)

Seleccionamos Datos abierto y nos descarga un archivo zip, el cual hay que descomprimir y después ejecutar al APP DescargaMasivaApp



Nos va a descargar un zip por año y dentro tienen las siguientes carpetas
  • Catalogos: este contiene la explicación de que valor equivale cada columna en el conjunto de datos. También hay un glosario general en Glosario INEGI
  • Conjunto_de_datos: es como tal el dataset o el archivo que contiene toda la información
  • Diccionario_de_datos: Nos indica una explicación de cada columna del archivo conjunto de datos
  • Metadatos: es la descripción de la información, para este caso explica que es un divorcio y que datos contempla
  • Modelo_entidad_relacion: es una imagen que muestra como esta detallado como se arma la información
  • Indice: es un archivo que te explica cual es el dataset
Vamos a definir que queremos ver , en mi caso creo que tomare los valores de las siguientes columnas:


Veamos que gráficos obtenemos y a que conclusiones podemos llegar

Primer grafico el total de matrimonios por año y el promedio

Análisis de matrimonios con python
El promedio anual de matrimonios en el periodo es de: 470,013 
En cambio el total de promedio de divorcios es de :150,194

Impacto de la Pandemia
Al igual que en tu estudio de divorcios, verás una caída pronunciada en 2020.

Observación: No es que el amor se haya acabado o pausado, sino que la capacidad instalada del Estado disminuyó.

Dato Clave: Si tu gráfica muestra una caída mayor al 30-40% en 2020, menciónalo como el "Efecto Registro Civil", donde el confinamiento postergó los trámites legales de unión.

Segundo grafico el total de numero de matrimonios por cada año por tipo
Python datos inegi

Vemos datos muy similares, la mayoría son matrimonios Heterosexuales y después matrimonios igualitarios entre mujeres. 

Tercer Grafico Edades entre los contrayentes

Diagramas python

Sincronía Etaria: En el gráfico de dispersión, notarás que la gran mayoría de los puntos se agrupan cerca de la línea roja. Esto demuestra que en México existe una fuerte tendencia social a casarse con personas de la misma generación.
Análisis de Madurez: Al observar el eje X, puedes ver que el "pico" esta movido hacia los 28-32 años

Cuarto Grafico Distribución Comparativa de Edades de los Contrayentes



De acuerdo a cada tipo de contrayentes, los 3 grupos están entre el rango de 25 a menos 32, como lo veíamos en la gráfica previa. Y los rangos de mas de 60 años si existen aún. 

Quinto Grafico Radiografía del Matrimonio Igualitario: Evolución y Promedios

Analisis de matrimonios igualitario en México

Desde mi punto de vista, lo que mas resalta es que hay mas matrimonios igualitarios entre mujeres vs Hombres, aquí estaría bueno el punto de vista de algún sociólogo. 
También pensando en el análisis de divorcios veíamos que también son mas divorcios de M-M.  Hice una gráfica para poder verlo 

Hay menos divorcios y mas matrimonios por año.



Conclusión y Herramientas

Este ejercicio demuestra que los datos cuentan historias. Python nos permite transformar miles de filas de registros administrativos en información accionable para sociólogos, economistas o cualquier persona interesada en la dinámica poblacional.

🔽 Descarga la guía práctica: Análisis de datos reales de México con Python (
https://zelideth.gumroad.com/l/smejt

¿Te interesa un proyecto similar?

Si te interesa, puedo ayudarte a desarrollar proyectos de análisis de datos personalizados como este, usando Python, Jupyter Notebook y técnicas de Data Science. Ponte en contacto conmigo y podemos trabajar juntos en soluciones a medida para tu negocio o investigación. Mi correo zelideth27@gmail.com

Contáctame

Comentarios

🚀 Mantener este blog funcionando requiere tiempo y café. ¡Puedes contribuir con uno aquí!

Entradas más populares de este blog

Guía Práctica: Ejemplo Completo de ASPX para Desarrolladores Web

👉 Cómo obtener el tipo de cambio en Excel con API de Banxico (paso a paso)

Macro en Word para automatizar documentos: genera diplomas en segundos (con código VBA)