¿Cómo podemos extraer la fecha a partir del nombre del partido de datos de FotMob?



Para extraer la fecha de la columna matchName y convertirla a un formato de fecha utilizable, puedes seguir estos pasos usando la librería lubridate en R.

Ejemplo Completo en R

Aquí tienes el código completo para un ejemplo reproducible:

R
# Crear un dataframe de ejemplo
league <- tibble::tribble(
  ~matchId, ~matchName, ~home_id, ~home_name, ~home_score, ~away_id, ~away_name, ~away_score,
  4221753, "1. FC Köln-vs-TSG Hoffenheim_Sat, Sep 16, 2023, 13:30 UTC", 8722, "1. FC Köln", 1, 8226, "TSG Hoffenheim", 3,
  4221789, "1. FC Köln-vs-Borussia Mönchengladbach_Sun, Oct 22, 2023, 13:35 UTC", 8722, "1. FC Köln", 3, 9788, "Borussia Mönchengladbach", 1,
  4222378, "Augsburg-vs-VfB Stuttgart_Fri, May 10, 2024, 18:30 UTC", 8406, "Augsburg", 0, 10269, "VfB Stuttgart", 1,
  4221739, "Borussia Dortmund-vs-FC Heidenheim_Fri, Sep 1, 2023, 18:30 UTC", 9789, "Borussia Dortmund", 2, 94937, "FC Heidenheim", 2,
  4534588, "FC Heidenheim-vs-RB Leipzig_Sun, Oct 6, 2024, 13:30 UTC", 94937, "FC Heidenheim", 0, 178475, "RB Leipzig", 1
)

# Cargar las librerías necesarias
library(tidyverse)
library(lubridate)

# Procesar el dataframe
clean_league <- league |>
  tidyr::separate(matchName, c("match_name", "date"), "_") |>
  mutate(date = lubridate::parse_date_time(date, "amdYHM"))

# Ver el resultado
print(clean_league)

Cada paso en el código que utilizaste tiene un propósito específico para transformar tus datos. Aquí está la descripción del papel que juega cada uno:

Paso 1: tidyr::separate()

El primer paso utiliza la función separate() del paquete tidyr para dividir la columna matchName en dos nuevas columnas: match_name y date.

  • matchName: Es la columna original que contiene tanto el nombre del partido como la fecha.

  • c("match_name", "date"): Nombra las dos nuevas columnas que se crearán. La primera parte de la cadena original (1. FC Köln-vs-TSG Hoffenheim) irá a match_name, y la segunda parte (Sat, Sep 16, 2023, 13:30 UTC) irá a date.

  • "_": Este es el separador que le indica a la función dónde debe hacer la división. En tu caso, el guion bajo (_) es el carácter que separa el nombre del partido de la fecha.

En este punto, la columna date es todavía una cadena de texto (como "Sat, Sep 16, 2023, 13:30 UTC"), no un formato de fecha que se pueda analizar o usar para cálculos.

Paso 2: lubridate::parse_date_time()

El siguiente paso es la función parse_date_time() del paquete lubridate. Esta función es muy flexible y robusta para convertir cadenas de texto en objetos de fecha y hora.

  • date: Es la columna que acabas de crear y que contiene las cadenas de texto con las fechas.

  • "amdYHM": Este es el orden de los componentes de la fecha que le estás diciendo a lubridate que espere. Cada letra representa un componente:

    • a: Día de la semana (abreviado, como "Sat" o "Sun").

    • m: Mes (abreviado, como "Sep" o "Oct").

    • d: Día del mes (como "16" o "22").

    • Y: Año de 4 dígitos (como "2023").

    • H: Hora (formato de 24 horas, como "13").

    • M: Minuto (como "30" o "35").

Esta función es inteligente y puede manejar los espacios, comas y la palabra "UTC" automáticamente, lo que la hace ideal para tu caso.

Al finalizar, la columna date se convierte en un objeto de fecha y hora, listo para ser utilizado en cualquier análisis temporal, como agrupar datos por año.

Comentarios

Publicar un comentario

Entradas más populares de este blog

¿Cómo comparar nombres de equipos de distintas fuentes?

Imagen
El Problema Cuando trabajamos con datos deportivos de múltiples fuentes, nos enfrentamos a un desafío común: el mismo equipo puede tener nombres ligeramente diferentes en cada base de datos. Ejemplos reales: "FC Barcelona" vs "Barcelona" "Atlético Madrid" vs "Atletico de Madrid" vs "ATM" "Real Madrid CF" vs "Real Madrid" Si usamos comparación exacta de texto, estos equipos parecerían diferentes cuando en realidad son el mismo. La Solución: Fuzzy String Matching El fuzzy string matching (coincidencia difusa de cadenas) es una técnica que compara textos calculando qué tan similares son, en lugar de solo verificar si son idénticos. ¿Cómo funciona? La técnica analiza varios aspectos de los nombres: Caracteres en común : Cuántas letras comparten ambos textos Orden de caracteres : Si las letras están en secuencias similares Longitud : Qué tan largos son los nombres Distancia de edición : Cuántos cambios ...
Leer más

¿Cómo hacemos filtrado y extracción de listas anidadas utilizando `purrr`?

Imagen
Trabajar con datos JSON y listas anidadas es una tarea común en el análisis de datos moderno. Ya sea consumiendo APIs, procesando respuestas de servicios web, o manejando metadatos complejos, saber cómo filtrar y extraer información de estructuras anidadas es una habilidad esencial. En este tutorial, exploraremos múltiples métodos para filtrar listas anidadas en R , centrándonos en el poderoso paquete purrr y su integración con el ecosistema tidyverse. El Problema: Listas Dentro de Listas Imagina que tienes metadatos de una tabla con información sobre sus campos, y necesitas identificar cuáles son de tipo "string". Esta es una situación típica cuando trabajas con: APIs REST Esquemas de bases de datos Metadatos de archivos Configuraciones JSON Preparación: Creando Nuestro Ejemplo Primero, creemos una estructura de lista anidada típica que podrías encontrar al parsear JSON: # Instalar paquetes si es necesario install.packages("purrr") install.packages(...
Leer más
Desmitificando los Metadatos en Parquet con R y Apache Arrow Desmitificando los Metadatos en Parquet con R y Apache Arrow En el mundo del análisis de datos, la eficiencia y la interoperabilidad son clave. Cuando hablamos de grandes volúmenes de datos, formatos como Parquet se han vuelto el estándar de oro. Pero, ¿sabías que Parquet no solo almacena tus datos de manera eficiente, sino que también es un campeón en el manejo de metadatos ? Y lo mejor de todo, el paquete arrow en R nos permite explotar estas capacidades al máximo. Como experto en R, a menudo me preguntan: "¿Cómo puedo añadir contexto a mis archivos Parquet más allá de las columnas? ¿Cómo sé quién generó el archivo o qué procesos se aplicaron?". La respuesta radica en los metadatos. Vamos a explorar las características de arrow para gestionar metadatos en Parquet. 1. Metadatos de Esquema: El ADN de tus Datos Cada archivo Parquet es auto-descriptivo . Esto signi...
Leer más