Cleanup: standardize CSV names (passing.csv, reporte_mediocampo.csv), remove redundancies, fix scripts and tests

Author: alvarosalinaso

Passing 2024-2025 Manchester United - Passing.csv

@@ -2,71 +2,42 @@
 
 Proyecto: Análisis de pases — Manchester United 2024-2025
 
-Contenido:
-- `Passing 2024-2025 Manchester United - Passing (1).csv`: datos de pases y estadísticas por jugador.
-- `reporte_mediocampo.csv`: reporte filtrado y métricas específicas para mediocampistas.
-- `analisis_mediocampo_united (1).png`, `grafico_pases_united (1).png`: visualizaciones generadas.
+Descripción:
+Repositorio con datos y scripts para analizar la eficiencia de pases del Manchester United (temporada 2024-2025). Contiene un CSV con estadísticas por jugador, un reporte filtrado para mediocampistas y scripts para limpieza, análisis y visualización.
 
-Objetivo:
-Analizar la distribución y eficacia de pases del plantel del Manchester United (temporada 2024-2025), con un enfoque en mediocampistas.
+Contenido principal:
+- `passing.csv`: datos de pases y estadísticas por jugador (limpio).
+- `reporte_mediocampo.csv`: reporte filtrado con métricas por jugador del mediocampo.
+- `data_load.py`, `clean_data.py`, `analyze_mediocampo.py`, `plot_pases.py`: scripts de ayuda y análisis.
+- `tests/`: tests básicos ejecutados por CI.
+- `LICENSE`: licencia MIT.
 
 Requisitos:
 - Python 3.8+
-- pandas
-- matplotlib/seaborn (opcional para gráficos)
-
-Proyecto: Análisis de pases — Manchester United 2024-2025
-
-Contenido:
-- `Passing_clean.csv` (o `Passing 2024-2025 Manchester United - Passing.csv`): datos de pases y estadísticas por jugador.
-- `reporte_mediocampo_clean.csv`: reporte filtrado y métricas específicas para mediocampistas.
-- `analisis_mediocampo_united.png`, `grafico_pases_united.png`: visualizaciones generadas.
-
-Objetivo:
-Analizar la distribución y eficacia de pases del plantel del Manchester United (temporada 2024-2025), con un enfoque en mediocampistas.
-
-Requisitos:
-- Python 3.8+
-- pandas
-- matplotlib/seaborn (opcional para gráficos)
+- Instalar dependencias listadas en `requirements.txt`.
 
 Instalación rápida:
-1. Crear entorno virtual:
-
-```
+```powershell
 python -m venv .venv
-```
-
-2. Instalar dependencias:
-
-```
-pip install pandas matplotlib seaborn
+.\.venv\Scripts\activate
+pip install -r requirements.txt
 ```
 
 Uso básico:
-1. Cargar los CSV en pandas:
-
 ```python
 import pandas as pd
-df = pd.read_csv('Passing_clean.csv')
-report = pd.read_csv('reporte_mediocampo_clean.csv')
+from data_load import load_data
+df, report = load_data('passing.csv', 'reporte_mediocampo.csv')
 ```
 
-2. Revisar columnas y limpiar valores faltantes según sea necesario.
-
-Scripts incluidos:
-- `data_load.py`: carga y muestra resumen de los CSV.
-- `clean_data.py`: funciones de limpieza de datos.
-- `analyze_mediocampo.py`: genera `top_mediocampo.csv` con los mejores por `Prog_Ratio`.
-- `plot_pases.py`: genera `grafico_pases_united.png` con los principales pasadores.
-
-Subir a GitHub:
-1. Inicialice git y haga commit (pasos automatizables desde este repo).
-2. Añada un remote y haga `git push` al repositorio remoto (necesito la URL o permisos para crear/pushear al repo).
+Ejecutar tests localmente:
+```powershell
+pytest
+```
 
 Notas:
-- He limpiado el formato de los CSV (eliminadas las marcas de bloque) para poder leerlos directamente con `pandas.read_csv`.
-- Si quieres que cree el repositorio en tu cuenta y haga el push, proporciona la URL del repo o un token con permisos (recomiendo realizar el push desde tu máquina para mayor seguridad).
+- He unificado nombres de archivos y eliminado duplicados redundantes para facilitar el uso.
+- CI ejecuta `pytest` automáticamente en cada push/pull request.
 
 Licencia:
-Este proyecto se publica bajo la licencia MIT. Consulta el archivo `LICENSE` para más detalles.
+Este proyecto se publica bajo la licencia MIT. Consulta `LICENSE`.

README.md

@@ -4,7 +4,7 @@
 import pandas as pd
 
 
-def top_by_prog_ratio(report_path='reporte_mediocampo_clean.csv', out_path='top_mediocampo.csv', top_n=10):
+def top_by_prog_ratio(report_path='reporte_mediocampo.csv', out_path='top_mediocampo.csv', top_n=10):
     df = pd.read_csv(report_path)
     if 'Prog_Ratio' in df.columns:
         df_sorted = df.sort_values('Prog_Ratio', ascending=False)

analyze_mediocampo.py

@@ -16,7 +16,7 @@ def clean_passes(df: pd.DataFrame) -> pd.DataFrame:
 
 if __name__ == '__main__':
     import sys
-    path = sys.argv[1] if len(sys.argv) > 1 else 'Passing_clean.csv'
+    path = sys.argv[1] if len(sys.argv) > 1 else 'passing.csv'
     df = pd.read_csv(path)
     df_clean = clean_passes(df)
     print('Limpieza completada:', df_clean.shape)

clean_data.py

@@ -3,7 +3,7 @@
 """
 import pandas as pd
 
-def load_data(passes_path='Passing_clean.csv', report_path='reporte_mediocampo_clean.csv'):
+def load_data(passes_path='passing.csv', report_path='reporte_mediocampo.csv'):
     df = pd.read_csv(passes_path)
     report = pd.read_csv(report_path)
     return df, report

data_load.py

@@ -1,11 +1,13 @@
 """Genera gráficos simples de pases y guarda imágenes.
 Requiere: matplotlib, seaborn (opcional)
+"""Genera gráficos simples de pases y guarda imágenes.
+Requiere: matplotlib, seaborn (opcional)
 """
 import pandas as pd
 import matplotlib.pyplot as plt
 
 
-def plot_top_passers(passes_path='Passing_clean.csv', out_path='grafico_pases_united.png', top_n=10):
+def plot_top_passers(passes_path='passing.csv', out_path='grafico_pases_united.png', top_n=10):
     df = pd.read_csv(passes_path)
     if 'Cmp' in df.columns:
         top = df.sort_values('Cmp', ascending=False).head(top_n)
@@ -20,6 +22,7 @@ def plot_top_passers(passes_path='Passing_clean.csv', out_path='grafico_pases_un
     else:
         raise KeyError('La columna Cmp no existe en {}'.format(passes_path))
 
+
 if __name__ == '__main__':
     print('Generando gráfico...')
     print(plot_top_passers())

Passing_clean.csv passing.csvPassing_clean.csv renamed to passing.csv

@@ -1,9 +1,9 @@
-import pandas as pd
+import pandas as pd
 from clean_data import clean_passes
 
 
 def test_clean_passes_numeric_conversion():
-    df = pd.read_csv('Passing_clean.csv')
+    df = pd.read_csv('passing.csv')
     df_clean = clean_passes(df)
     assert '90s' in df_clean.columns
     assert pd.api.types.is_numeric_dtype(df_clean['90s']), 'La columna 90s debería ser numérica después de la limpieza'

plot_pases.py

@@ -3,7 +3,7 @@
 
 
 def test_load_data_not_empty():
-    df, report = load_data('Passing_clean.csv', 'reporte_mediocampo_clean.csv')
+    df, report = load_data('passing.csv', 'reporte_mediocampo.csv')
     assert not df.empty, 'Dataframe de pases está vacío'
     assert 'Player' in df.columns
     assert not report.empty, 'Reporte de mediocampo está vacío'