Refactor: Move scripts to united_passing package structure

Author: alvarosalinaso

analyze_mediocampo.py

@@ -0,0 +1,33 @@
+[build-system]
+requires = ["setuptools>=61.0"]
+build-backend = "setuptools.build_meta"
+
+[project]
+name = "united_passing"
+version = "0.1.0"
+authors = [
+  { name="Alvaro Salinas Ortiz", email="alvarosalinasortiz@gmail.com" },
+]
+description = "Análisis de eficiencia de pases del Manchester United"
+readme = "README.md"
+requires-python = ">=3.8"
+classifiers = [
+    "Programming Language :: Python :: 3",
+    "License :: OSI Approved :: MIT License",
+    "Operating System :: OS Independent",
+]
+dependencies = [
+    "pandas",
+    "matplotlib",
+    "seaborn",
+]
+
+[project.urls]
+"Homepage" = "https://github.com/alvarosalinaso/united-passing-efficiency-24-25"
+
+[tool.pytest.ini_options]
+minversion = "6.0"
+addopts = "-ra -q"
+testpaths = [
+    "tests",
+]

clean_data.py

@@ -2,3 +2,7 @@ pandas
 pytest
 matplotlib
 seaborn
+
+pytest
+matplotlib
+seaborn

data_load.py

@@ -0,0 +1,2 @@
+"""Paquete de análisis de pases del Manchester United."""
+__version__ = '0.1.0'

plot_pases.py

@@ -0,0 +1,37 @@
+"""Módulo de análisis de datos."""
+import pandas as pd
+
+def top_by_prog_ratio(df: pd.DataFrame, top_n: int = 10) -> pd.DataFrame:
+    """
+    Obtiene el top N de jugadores ordenados por Prog_Ratio.
+    Calcula Prog_Ratio si no existe (Prog / Cmp).
+    """
+    df = df.copy()
+    
+    # Calcular Prog_Ratio si no está presente y tenemos las columnas necesarias
+    if 'Prog_Ratio' not in df.columns:
+        if 'Prog' in df.columns and 'Cmp' in df.columns:
+            # Evitar división por cero
+            df['Prog_Ratio'] = df.apply(
+                lambda x: x['Prog'] / x['Cmp'] if x['Cmp'] > 0 else 0, axis=1
+            )
+        else:
+             # Si no podemos calcularlo y no está, devolvemos vacío o error
+             # Por compatibilidad con el script anterior, asumiremos que el input puede ser el 'reporte' que ya lo tenga
+             pass
+
+    if 'Prog_Ratio' in df.columns:
+        df_sorted = df.sort_values('Prog_Ratio', ascending=False)
+        return df_sorted.head(top_n)
+    else:
+        # Fallback si no hay métrica
+        return df.head(top_n)
+
+def filter_midfielders(df: pd.DataFrame) -> pd.DataFrame:
+    """
+    Filtra jugadores que son mediocampistas (MF).
+    Asume columna 'Pos' con valores como 'MF', 'MFDF', etc.
+    """
+    if 'Pos' in df.columns:
+        return df[df['Pos'].str.contains('MF', na=False)]
+    return df

pyproject.toml

@@ -0,0 +1,38 @@
+"""Módulo para carga y limpieza de datos."""
+import pandas as pd
+from pathlib import Path
+
+def load_data(passes_path: str = 'passing.csv', report_path: str = 'reporte_mediocampo.csv') -> tuple:
+    """Carga los datos de pases y el reporte de mediocampo desde CSV."""
+    # Usar Path para mayor robustez, asumiendo ejecución desde la raíz o configurando paths relativos
+    base_path = Path.cwd()
+    p_path = base_path / passes_path
+    r_path = base_path / report_path
+    
+    if not p_path.exists():
+        raise FileNotFoundError(f"No se encontró el archivo: {p_path}")
+        
+    df = pd.read_csv(p_path)
+    
+    if r_path.exists():
+        report = pd.read_csv(r_path)
+    else:
+        report = pd.DataFrame() # Return empty if report doesn't exist yet
+        
+    return df, report
+
+def clean_passes(df: pd.DataFrame) -> pd.DataFrame:
+    """Limpia el DataFrame de pases."""
+    df = df.copy()
+    # Remover columnas completamente vacías
+    df.dropna(axis=1, how='all', inplace=True)
+    # Reemplazar cadenas vacías por NaN (usando forward fill para compatibilidad o pd.NA)
+    df = df.replace(r'^\s*$', pd.NA, regex=True)
+    
+    # Intentar convertir columnas numéricas conocidas
+    numeric_cols = ['90s', 'Cmp', 'Att', 'TotDist', 'PrgDist', 'Ast', 'xA', 'KP', '1/3', 'PPA', 'CrsPA', 'Prog']
+    for col in numeric_cols:
+        if col in df.columns:
+            df[col] = pd.to_numeric(df[col], errors='coerce')
+            
+    return df

requirements.txt

@@ -0,0 +1,32 @@
+"""Módulo para visualización de datos."""
+import matplotlib.pyplot as plt
+import pandas as pd
+try:
+    import seaborn as sns
+    HAS_SEABORN = True
+except ImportError:
+    HAS_SEABORN = False
+
+def plot_top_passers(df: pd.DataFrame, metric: str = 'Cmp', top_n: int = 10, out_path: str = 'grafico_pases_united.png'):
+    """Genera un gráfico de barras de los top N jugadores según una métrica."""
+    if metric not in df.columns:
+        raise KeyError(f'La columna {metric} no existe en los datos.')
+    
+    # Ordenar y seleccionar top
+    df_top = df.sort_values(metric, ascending=False).head(top_n)
+    
+    plt.figure(figsize=(10, 6))
+    
+    if HAS_SEABORN:
+        sns.set_theme(style="whitegrid")
+        sns.barplot(x=metric, y='Player', data=df_top, palette='viridis')
+    else:
+        # Fallback a matplotlib puro
+        plt.barh(df_top['Player'][::-1], df_top[metric][::-1])
+    
+    plt.xlabel(metric)
+    plt.title(f'Top {top_n} jugadores por {metric}')
+    plt.tight_layout()
+    plt.savefig(out_path)
+    plt.close()
+    return out_path