1. Registra versión y cobertura

Anota la fecha de descarga, ligas, temporada, número de partidos y licencia. Este ejercicio trabaja con la cobertura disponible del dataset citado; no debe presentarse automáticamente como estudio de las cinco grandes ligas si faltan competiciones o jornadas.

2. Explora antes de agrupar

Comprueba columnas, tipos, duplicados, equipos, fechas y valores ausentes. Valida que los goles sean numéricos, que local y visitante no coincidan y que cada partido tenga una clave única. Busca nombres escritos de varias formas: dividirían un mismo club en grupos distintos.

import pandas as pd
df = pd.read_csv("partidos.csv")
print(df.shape)
print(df.columns.tolist())
print(df[["league", "home_team", "away_team"]].nunique())
print(df.isna().sum().sort_values(ascending=False).head())

3. Define cada titular

“Equipo remontador” necesita una regla: ir perdiendo en algún momento y terminar ganando. Si el dataset solo contiene marcador final, no puedes medirlo. “Árbitro goleador” es una etiqueta humorística, no causal: describe partidos con más goles bajo un árbitro, pero los equipos y el calendario explican gran parte del contexto.

“Liga con más goles” debe usar goles por partido, no total, si el número de encuentros difiere. “Rey del 0–0” requiere decidir si cuentas partidos del equipo o jornadas completas. Escribe la definición al lado del resultado.

4. Calcula y revisa

Utiliza groupby para resumir, pero vuelve siempre a filas concretas. Si un resultado sorprende, inspecciona los partidos que lo producen. Un error de carga puede convertirse fácilmente en un récord falso.

5. Visualiza la comparación

Ordena las barras, muestra el denominador y evita demasiados colores. Para distribuciones de resultados usa proporciones por liga; para equipos goleadores distingue goles a favor, partidos y promedio. Un heatmap de correlación no explica causalidad y es poco útil con variables categóricas mal codificadas.

Organiza archivos y resultados

Conserva el CSV original, una copia procesada, el notebook, un archivo de dependencias y una carpeta de gráficos. Añade un README que explique cobertura, fuente, licencia, instrucciones y decisiones de limpieza. Si el dataset cambia, crea una nueva versión en lugar de reemplazar silenciosamente la anterior.

Crea pruebas de coherencia

Comprueba que goles locales y visitantes no sean negativos, que el resultado coincida con el marcador, que no existan equipos vacíos y que el número de partidos por competición tenga sentido para la cobertura. Guarda estas comprobaciones como afirmaciones ejecutables; una actualización rota debe detener el análisis antes de generar titulares.

Separa exploración y publicación

El notebook puede contener muchas tablas. La pieza final necesita una selección justificada. Elige hallazgos que puedan explicarse con una definición breve, muestra una visualización y enlaza la metodología. No publiques un dato solo porque es extremo: pregunta si es estable, relevante y comprensible.

Revisión editorial

Lee cada titular como si no conocieras el código. ¿Confunde máximo del dataset con récord histórico? ¿Atribuye causalidad? ¿Oculta empates o muestra pequeña? Añade el matiz en el cuerpo sin destruir el interés. Rigor y narrativa no son enemigos: la definición correcta hace que la curiosidad sea más creíble.

Extensión opcional: comparar temporadas

Para afirmar que una liga “cambió”, necesitas temporadas con la misma definición y cobertura. Normaliza equipos ascendidos, partidos suspendidos y formatos. Compara tasas por partido y distribuciones, no solo totales. Una variación anual puede ser ruido; muestra varios periodos antes de hablar de tendencia.