datosdemiercoles_rafa.R

library(tidyverse)
library(ggthemes)
# Por Rafa @GonzalezGouvia

# leyendo directo de la página
partidos_fifa_copa_mundial_procesado <- readr::read_delim("https://raw.githubusercontent.com/cienciadedatos/datos-de-miercoles/master/datos/2019/2019-04-10/partidos.txt", delim = "\t")

# función auxiliar para extraer ultimo partido
quita_parentesis <- function(texto){
  as.integer(gsub("\\((.*)\\)", "\\1", texto))
}

# reorganización de los datos
partidos_tidy <- partidos_fifa_copa_mundial_procesado %>%
  # dejando solo partidos de finales
  mutate(partido_orden_int = quita_parentesis(partido_orden)) %>%
  group_by(anio) %>%
  mutate(last = last(partido_orden_int)) %>%
  filter(last == partido_orden_int) %>%
  # uniendo columnas
  unite("equipo_1_goles", c(equipo_1, equipo_1_final)) %>%
  unite("equipo_2_goles", c(equipo_2, equipo_2_final)) %>%
  gather("equipo_n", "pais_goles", c(equipo_1_goles, equipo_2_goles)) %>%
  separate(pais_goles, c("pais","goles"), sep = '_') %>%
  mutate(goles = as.integer(goles)) %>%
  arrange(fecha, partido_orden_int)

# uniendo las alemanias :D
partidos_tidy$pais <- gsub('Alemania occidental', 'Alemania', partidos_tidy$pais)

# agrupando paises
cuantas_finales <- partidos_tidy %>%
  group_by(pais) %>%
  summarise(n = n()) %>%
  mutate(pais = fct_reorder(pais, n, .desc = FALSE))

# graficando
cuantas_finales %>%
  ggplot(aes(x = pais,
             y = n,
             fill = pais)) +
  geom_col() +
  coord_flip() +
# temas de ggthemes
  theme_wsj() + scale_color_stata() + scale_fill_stata() +
  labs(title = 'Participación en finales') +
# ajustando algunos aspectos de theme_wsj
  theme(legend.position = "none",
        panel.grid.major.x = element_line(colour = 'black'),
        panel.grid.major.y = element_blank(),
        title = element_text(family = "mono", size = rel(1.3)))

# Gracias por mirar este código hasta el final! :D
# Por Rafa @GonzalezGouvia