Entradas

Mostrando las entradas con la etiqueta Expected Goals

World Nomad Games 2026: Analyzing Kyrgyz Media Coverage with Python

Imagen
World Nomad Games 2026: Analyzing Kyrgyz Media Coverage with Python What did Kyrgyz media talk about during the World Nomad Games 2026 ? In this project, we used Python, Pandas and BeautifulSoup to analyze news coverage published by Kabar , the Kyrgyz national news agency. The goal was to understand how the Games were covered from a Kyrgyz media perspective. Instead of looking only at individual articles, we transformed the news headlines into data and created visualizations to answer three questions: When did Kabar publish the most World Nomad Games stories? Which countries were mentioned most often? What type of topics dominated the coverage? Data Source The analysis is based on 51 Kabar news headlines published between August 31 and September 6, 2026 . Kabar provides an RSS feed, which can be accessed programmatically with Python. However, the current RSS feed mainly contains recent stories. To reconstruct the World Nomad Games coverage for the event dates, ...
Publicar un comentario
Leer más

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 ...
Publicar un comentario
Leer más

⚽Sports Analytics con Python: Los partidos con menor actividad ofensiva del Mundial FIFA 2026

Imagen
Identificando los partidos con menor actividad ofensiva del Mundial FIFA 2026 mediante Python ¿Un partido con pocos goles es necesariamente aburrido? No siempre. Existen encuentros que terminan 0-0 y ofrecen múltiples oportunidades de gol, mientras que otros finalizan con varios goles tras muy pocas ocasiones claras. Con el objetivo de realizar un análisis basado en datos y no únicamente en percepciones, desarrollé un Match Excitement Score (MES) , una métrica que resume la producción ofensiva de cada partido utilizando estadísticas avanzadas del Mundial FIFA 2026. Me lleve una gran sorpresa. Todo el análisis fue realizado en Python utilizando un dataset completo del torneo y el código del notebook será compartido al final de este artículo para que cualquier persona pueda reproducir los resultados. El dataset lo obtienen de  Kaggle  Dataset: Football 2026 World Cup Dataset ¿Cómo se calculó el Match Excitement Score? El índice se construyó utilizando seis indi...
Publicar un comentario
Leer más

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