World Nomad Games 2026: análisis con Python y noticias RSS

 Análisis de los World Nomad Games 2026 con Python: noticias, países y disciplinas

Los World Nomad Games 2026 reunieron en Kirguistán a atletas de 108 diferentes países para competir en deportes tradicionales, juegos intelectuales y otras disciplinas relacionadas con la cultura nómada.

Pero, ¿qué pasa cuando queremos analizar estos Juegos desde el punto de vista de los datos?

En este proyecto de Programación Para Todos quisimos responder algunas preguntas utilizando Python:

• 📅 ¿Cómo evolucionó la cantidad de noticias durante los Juegos?
• 🌎 ¿Qué países aparecen con mayor frecuencia en los titulares?
• 🏆 ¿Qué disciplinas tuvieron mayor presencia en las noticias?

El problema es que no encontramos una API específica disponible para los World Nomad Games 2026 que pudiéramos utilizar para obtener los datos.

Así que decidimos buscar una alternativa: RSS.

🐍 ¿Cómo obtuvimos los datos?

En proyectos de análisis deportivo normalmente podemos utilizar una API para obtener resultados, participantes, estadísticas y otros datos estructurados.

En este caso no teníamos una API específica para los World Nomad Games, por lo que utilizamos Google News RSS para recopilar titulares relacionados con:

World Nomad Games 2026

El flujo del proyecto fue:

📰 Noticias → RSS → Python → Pandas → limpieza de datos → análisis → gráficas

Utilizamos principalmente las siguientes librerías:

import feedparser
import pandas as pd
import matplotlib.pyplot as plt
import re
from datetime import datetime

feedparser nos permitió leer el contenido del RSS y convertir cada noticia en un registro que posteriormente pudimos analizar con Pandas.

Creamos un DataFrame con información como el título, enlace, fecha y fuente de cada noticia:

data = []

for entry in feed.entries:
    data.append({
        "titulo": entry.get("title", ""),
        "link": entry.get("link", ""),
        "fecha": entry.get("published", ""),
        "fuente": entry.get("source", {}).get("title", "")
    })

news_df = pd.DataFrame(data)

De esta manera cada noticia quedó representada como un registro que posteriormente pudimos filtrar y analizar.

📅 1. ¿Cuándo hubo más noticias sobre los World Nomad Games?

Una vez recopiladas las noticias, filtramos los registros correspondientes a 2026 y aquellos cuyos titulares contenían referencias a los World Nomad Games.

Después agrupamos las noticias por día:

news_wng["dia"] = news_wng["fecha"].dt.date

noticias_por_dia = (
    news_wng
    .groupby("dia")
    .size()
)

El resultado nos permitió observar cómo evolucionó la cobertura durante el periodo analizado.

En nuestra muestra de noticias recopiladas mediante Google News RSS, el mayor número de titulares apareció el 7 de septiembre de 2026, con 18 noticias.

Los World Nomad Games se desarrollaron del 31 de agosto al 6 de septiembre de 2026, por lo que resulta interesante observar que el máximo de nuestra recopilación apareció un día después de la clausura.

Esto puede estar relacionado con la publicación posterior de resultados, balances y noticias relacionadas con el cierre del evento.

Gráfica 1. Evolución de las noticias sobre los World Nomad Games 2026.

Nota: estos datos representan nuestra muestra obtenida mediante Google News RSS y no el total de noticias publicadas en Internet.

🌎 2. ¿Qué países aparecen más en las noticias?

Otra pregunta interesante fue conocer qué países aparecen con mayor frecuencia en los titulares recopilados.

Para ello creamos una lista de países y buscamos sus nombres dentro de los títulos de las noticias.

for pais, patron in paises.items():

    menciones = news_wng["titulo"].str.contains(
        patron,
        case=False,
        regex=True,
        na=False
    ).sum()

    resultados[pais] = menciones

Después convertimos los resultados en un DataFrame y los ordenamos para poder representarlos gráficamente.

En nuestra muestra, Kirguistán aparece claramente como el país con mayor número de menciones, seguido por Kazajistán y Estados Unidos.

Gráfica 2. Países con mayor número de menciones en los titulares.

⚠️ ¿Qué significa una mención?

Aquí hay una diferencia importante entre menciones y número de participantes.

Si un titular menciona a Kirguistán y Kazajistán, ambos países suman una mención.

Por lo tanto, esta gráfica no representa la distribución de atletas por país, sino la frecuencia con la que cada país aparece explícitamente en los titulares de nuestra muestra.

También encontramos algo interesante al buscar información relacionada con México: un país puede tener participantes y aparecer en las noticias aunque su nombre no esté escrito directamente en el titular.

Por eso, el análisis de nombres de atletas puede complementar este tipo de análisis.

🏆 3. ¿Qué disciplinas aparecen más en las noticias?

Finalmente analizamos las disciplinas deportivas mencionadas en los titulares.

Aquí tuvimos que tener especial cuidado porque los medios pueden escribir una misma disciplina de diferentes maneras.

Por ejemplo:

• Kok-Boru
• Kok Boru
• Kokboru

Por eso utilizamos expresiones regulares (Regex) para detectar diferentes variantes.

disciplinas = {
    "Kok-Boru": r"\bkok[- ]?boru\b|\bkokboru\b",
    "Mas-Wrestling": r"\bmas[- ]?wrestling\b|\bmaswrestling\b",
    "Toguz Korgool": r"\btoguz[- ]?korgool\b",
    "Mangala": r"\bmangala\b",
    "Oware": r"\boware\b",
    "Alysh": r"\balysh\b",
    "Kurash": r"\bkurash\b",
    "Sambo": r"\bsambo\b"
}

Posteriormente contamos cuántos titulares coincidían con cada disciplina.

Después de revisar los titulares encontrados para evitar coincidencias incorrectas, obtuvimos:

Disciplina	Menciones
🐎 Kok-Boru	4
🤼 Alysh	1
🤼 Sambo	1
🤼 Köresh	1

Gráfica 3. Disciplinas con menciones en los titulares.

Kok-Boru fue la disciplina que apareció con mayor frecuencia en nuestra muestra, con cuatro titulares.

Para comprobar que no se trataba de falsos positivos, revisamos individualmente los titulares encontrados. Las cuatro noticias correspondían efectivamente a acontecimientos relacionados con Kok-Boru durante los Juegos.

🔎 ¿Qué aprendimos con este proyecto?

Este pequeño proyecto demuestra que no siempre necesitamos una API para hacer análisis de datos.

Cuando una API no está disponible, podemos buscar otras fuentes de datos.

En nuestro caso utilizamos:

Google News RSS → feedparser → Pandas → Python → Matplotlib

A partir de los titulares pudimos construir nuestro propio conjunto de datos y responder preguntas sobre la cobertura de los World Nomad Games 2026.

También aprendimos algo importante sobre el análisis de noticias: el resultado depende de cómo definamos nuestra métrica.

Por ejemplo, decir que “Kirguistán tuvo 40 menciones” no significa que Kirguistán haya sido mencionado exclusivamente en 40 noticias diferentes, ni que haya tenido más participantes.

Significa que encontramos 40 coincidencias del nombre del país en los titulares de nuestra muestra.

De la misma manera, decir que “Kok-Boru tuvo 4 menciones” significa que encontramos cuatro titulares donde apareció esa disciplina.

 ¿Y México?

Este análisis también nos permitió encontrar noticias y contenidos relacionados con la participación mexicana en los World Nomad Games.

A partir de esta investigación pudimos localizar diferentes historias de mexicanos relacionados con el evento, incluyendo participación en Mas-Wrestling, Mangala y actividades culturales.

Esta investigación dio origen también a una pequeña serie de Shorts sobre:

🇲🇽 Mexicanos en los World Nomad Games 2026

La idea fue combinar la investigación, los datos y la programación con contenido de formato corto para YouTube.

💻 Conclusión

Los datos deportivos no siempre están disponibles en forma de API.

Cuando esto sucede, una buena alternativa es buscar fuentes abiertas y estructuradas, como RSS, y posteriormente utilizar Python para transformar esa información en datos analizables.

En este proyecto utilizamos noticias como fuente de datos y construimos un pequeño análisis de los World Nomad Games 2026.

El proyecto completo puede resumirse así:

📰 RSS → 🐍 Python → 📊 Pandas → 📈 Matplotlib → 🎥 YouTube

Este proyecto demuestra que incluso un evento para el que no existe una API específica puede convertirse en un interesante proyecto de programación y análisis de datos.

🔧 Tecnologías utilizadas

• Python
• feedparser
• Pandas
• Matplotlib
• Expresiones regulares (Regex)
• Google News RSS
• Jupyter Notebook

Si te interesan los proyectos de Python, APIs, RSS, análisis de datos y visualización, puedes encontrar más proyectos de este tipo en Programación Para Todos.