Quem é maior inter ou grêmio

Internacional x Grêmio (GRENAL) é uma das maiores rivalidades do futebol mundial. Semelhante a Boca Juniors x RIver Plate (Buenos Aires, Argentina). Lazio x Roma (Roma, Itália) e Barcelona x Real Madrid (Espanha) kk.

Hoje nós vamos utilizar das técnicas de ciência de dados pra comparar os dois clubes e ver qual é o maior, usando como critério o número de campeonatos ganhos. Como existem vários tipos de títulos, vamos olhar apenas para os torneios mais expressivos do Rio Grande do Sul, Brasil e América do Sul. 

Após carregar os pacotes padrões pra um projeto de data science (pandas, numpy e etc) que tu já sabe, estamos aptos a começar a brincadeira.

Para carregar datasets direto da web, existe o método read_html() do pandas.

Usando esse método em sites que contenham mais de uma tabela (como geralmente é o caso da Wikipédia) uma lista contendo todas as tabelas vai ser retornada. Então, a gente precisa especificar qual vamos usar. Se tu abrir o link lá da Wikipédia, vai ver que é a primeira lista a que interessa, ou seja, a [0].

Com os datasets carregados, vamos dar uma olhada em como os dataframes ficaram. Aqui a gente usa o bom e velho .head().

Antes de mais nada, vamos remover as 'Unnameds', que eram os divisores das tabelas (multinível). Daí vamos de .drop().

Então, cada dataframe fica dessa maneira:

Certo, cada um deles possui um monte de probleminhas, por conta dos dados tabulados da Wikipédia terem vários separadores (uns subtitulos dizendo qual categoria o campeonato pertence).

Então, vamos selecionar apenas as linhas que contenham os torneios que a gente quer ver. Isso elimina o erro dos "INTERESTADUAIS", "ESTADUAIS" e etc, e também a gente já filtra pras competições que nos interessam.

Os torneios que a gente quer ver são:

• Copa Libertadores da América (América do Sul)
• Copa Sul-Americana (América do Sul)
• Recopa Sul-Americana (América do Sul)
• Campeonato Brasileiro (Brasil)
• Copa do Brasil (Brasil)
• Supercopa do Brasil (Brasil)
• Campeonato Gaúcho (Rio Grande do Sul)
• Copa FGF (Rio Grande do Sul)
• Copa da Região Sul-Fronteira (Rio Grande do Sul)
• Recopa Gaúcha (Rio Grande do Sul)
• Super Copa Gaúcha (Rio Grande do Sul)

Para fazer isso, vamos criar uma lista contendo todos os valores que correspondem a esses campeonatos aí (removendo os que dizem "recordistas" pelo internacional), e testar se a linha da competição corresponde a algum dos campeonatos, utilizando o .isin()

E pra fins didáticos, vamos criar uma coluna em cada dataframe pra indicar o time que ele corresponde.

Com os dados limpos e demarcados, vamos uni-los para ser mais facil analisá-lo. Podemos fazer isso com um simples .append().

Vendo o dataframe que temos agora, é essa belezura aqui:

O interessante dessa área, é que da pra fazer uma coisa de várias maneiras. Existem as mais recomendadas, e as que funcionam também kk.Vamos dar um fix na coluna títulos, que não está numérica, e criar um outro dataframe pra armazenar o total de títulos agrupando por clube. Por fim a gente tem isso aqui:

Um dos pontos mais importantes de um projeto de data science (independente do tamanho dele) é a visualização dos dados, que realmente explique o problema que o próprio projeto se propôs em responder.

No nosso caso, queremos visualizar qual clube tem o maior número de títulos totais, ao mesmo tempo em que comparamos cada título entre os clubes.

Com a visualização dos títulos mais expressivos, pro contexto gaúcho, vemos que o internacional tem mais títulos totais que o Grêmio. Porém, o Grêmio tem mais Copa do Brasil.

Então, no contexto do Rio Grande do Sul, S.C. Internacional é o maior clube de futebol!

é us guri pae