Este projeto realiza uma análise exploratória de dados de lesões de jogadores profissionais de oito clubes da Premier League. O principal objetivo é investigar padrões e impactos das lesões em jogadores de futebol, considerando diversas variáveis.
- Analisar a distribuição de lesões por tipo e posição.
- Avaliar o impacto da idade na frequência e duração das lesões.
- Investigar a relação entre o tipo de lesão e a nota do jogador no FIFA.
- Explorar o tempo médio de afastamento por lesão.
- Identificar padrões de lesões em diferentes posições e faixas etárias.
- Python 3.10.12
- Pandas
- NumPy
- Matplotlib
- Seaborn
- Jupyter Notebook
- Clone o repositório:
git clone https://github.com/gabrielacarestiato/analise_de_dados.git- Acesse a pasta e execute o notebook:
cd analise_de_dados
jupyter notebook MVP_GABRIELACARESTIATO_40530010055_20250_01.ipynbou
O projeto pode ser acessado através do Google Colab.
- Escolha do dataset
- Análise do tipo de problema e do dataset
- Coleta e limpeza dos dados
- Normalização
- Padronização
- Análise exploratória (EDA)
- Visualização de dados (gráficos, histogramas e KDE)
- Validação de hipóteses
- Lesões graves como cirurgias no joelho ou rupturas ligamentares resultam em longos períodos de recuperação (geralmente acima de 100 dias).
- Lesões leves como torções e estiramentos têm tempos de afastamento mais curtos.
- Goleiros e volantes estão entre os que mais sofrem lesões longas.
- Não há uma relação clara entre a nota no FIFA e o tipo de lesão, mas a maioria dos jogadores afetados tinha nota entre 75 e 83.
Gabriela Carestiato