¿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 ...

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...

 En este artículo desarrollaremos un análisis estadístico del desempeño de la Selección Mexicana durante el Mundial de la FIFA 2026 utilizando Python. A partir de un conjunto de datos obtenido de Kaggle, construiremos un flujo completo de análisis con Pandas y Matplotlib para explorar métricas como goles, posesión del balón, expected goals (xG), tiros, precisión de pases y rendimiento defensivo. El objetivo es mostrar cómo aplicar técnicas de ciencia de datos al análisis deportivo mediante visualizaciones que permitan interpretar el rendimiento del equipo desde una perspectiva cuantitativa. URL del Dataset Football 2026 World Cup Dataset México en el Mundial 2026: Resumen de resultados Antes de profundizar en las estadísticas avanzadas, es importante revisar el desempeño general de la Selección Mexicana a lo largo del torneo. México disputó cinco partidos , consiguiendo cuatro victorias y una derrota , con un balance de 10 goles a favor y únicamente 3 en contra , lo que represent...