Analisis de los Ránkings Nacionales de Natación (2006-2009)

import requests
import json

# Define your variables

# Style IDs and their corresponding names:
style_mapping = {
    4: 'Espalda',
    5: 'Crol',
    6: 'Braza',
    7: 'Mariposa',
    8: 'Estilos'
}
STYLE_IDs = list(style_mapping.keys())

# Season IDs and their corresponding names:
season_mapping = {
    6653: '2023-2024',
    5828: '2022-2023',
    4919: '2021-2022',
    4130: '2020-2021'
}
SEASON_IDs = list(season_mapping.keys())

# Genders = 'male' or 'female'
GENDERS = ['female', 'male']

# Birthdates: Define multiple ranges
BIRTHDATE_RANGES = [
    ('2009-01-01', '2009-12-31'),
    ('2008-01-01', '2008-12-31'),
    ('2007-01-01', '2007-12-31'),
    ('2006-01-01', '2006-12-31')
]

# Goals = distancias
GOALS = {
    4: [50, 100, 200],
    5: [50, 100, 200, 400, 800, 1500],
    6: [50, 100, 200],
    7: [50, 100, 200],
    8: [200, 400]
}

# Loop over each combination of STYLE_ID, GOAL, SEASON_ID, GENDER, and BIRTHDATE_RANGE
for STYLE_ID in STYLE_IDs:
    for GOAL in GOALS[STYLE_ID]:
        for SEASON_ID in SEASON_IDs:
            for GENDER in GENDERS:
                for birthdate_from, birthdate_to in BIRTHDATE_RANGES:
                    # Extract the year from birthdate_from
                    birth_year = birthdate_from[:4]

                    # Construct the API URL with the variables
                    url = (f"https://api.leverade.com/managers/210453/ranking-licenses?goal={GOAL}&participants_amount=1"
                           f"&style_id={STYLE_ID}&season_id={SEASON_ID}&gender={GENDER}&office_id=1150"
                           f"&discipline_fields_pool_size=50&quantity=100&results_amount=best_result"
                           f"&profile_birthdate_from={birthdate_from}&profile_birthdate_to={birthdate_to}")

                    # Make the GET request to the API
                    response = requests.get(url)

                    # Check if the request was successful
                    if response.status_code == 200:
                        # Parse the response JSON
                        data = response.json()

                        # Define the output file name with the corresponding names
                        style_name = style_mapping[STYLE_ID]
                        season_name = season_mapping[SEASON_ID]
                        output_file = f'{GOAL}_{style_name}_{season_name}_{GENDER}_{birth_year}.json'

                        # Write the JSON data to a file
                        with open(output_file, 'w', encoding='utf-8') as file:
                            json.dump(data, file, ensure_ascii=False, indent=4)

                        print(f"Data has been written to {output_file}")
                    else:
                        print(f"Failed to retrieve data for STYLE_ID {STYLE_ID}, GOAL {GOAL}, SEASON_ID {SEASON_ID}, GENDER {GENDER}, "
                              f"BIRTHDATE {birthdate_from} to {birthdate_to}. HTTP Status code: {response.status_code}")
                        print(response.text)

import os
import json
import csv

def json_to_csv(input_file):
    # Extract season from the file name
    base_name = os.path.basename(input_file)
    parts = base_name.replace('.json', '').split('_')
    season = parts[2]
    year = parts[4]

    # Load JSON data from file
    with open(input_file, 'r', encoding='utf-8') as file:
        data = json.load(file)

    # Define the output CSV file name
    output_file = input_file.replace('.json', '.csv')

    # Open the CSV file for writing
    with open(output_file, 'w', newline='', encoding='utf-8') as csvfile:
        # Define the fieldnames
        fieldnames = ['Ranking', 'Name', 'Goal', 'Style', 'Value', 'Season', 'Year']

        # Create a CSV DictWriter object
        writer = csv.DictWriter(csvfile, fieldnames=fieldnames)

        # Write the header row
        writer.writeheader()

        # Write the data rows
        for index, entry in enumerate(data['data'], start=1):
            attributes = entry['attributes']
            row = {
                'Ranking': index,
                'Name': f"{attributes['profile_first_name']} {attributes['profile_last_name']}",
                'Goal': attributes['goal'],
                'Style': attributes['style_name'],
                'Value': attributes['value'] / 100.0,  # Convert value to float and divide by 100
                'Season': season,
                'Year': year
            }
            writer.writerow(row)

    print(f"Data has been written to {output_file}")

	# Remove the original JSON file
    os.remove(input_file)
    print(f"Original JSON file {input_file} has been removed.")


def process_all_jsons_in_folder():
    # Get the current directory where the script is located
    current_dir = os.path.dirname(__file__)

    # Iterate over all files in the current directory
    for filename in os.listdir(current_dir):
        if filename.endswith('.json'):
            input_file = os.path.join(current_dir, filename)
            json_to_csv(input_file)

# Usage
process_all_jsons_in_folder()

{
    "data": [
        {
            "type": "ranking",
            "id": "14252436",
            "attributes": {
                "goal": 50,
                "style_id": "4",
                "style_name": "Espalda",
                "profile_id": "3088901",
                "profile_first_name": "TEO",
                "profile_last_name": "DEL RIEGO TORRES",
                "club_id": "4980271",
                "club_name": "C.N. TORRELAVEGA",
                "profile_birthdate": "2006-04-25",
                "value": 2720,
                "date": "2022-05-14 20:10:00",
                "location": "Gijón",
                "discipline_fields": {
                    "pool_size": "50",
                    "chronometer": "electronic"
                },
                "phaseresult_id": null,
                "phaseresult_resultable_type": null
            }
        },

import os
import csv

def aggregate_csv_files(folder_path):
    # List to store all data
    aggregated_data_male = []
    aggregated_data_female = []

    # Iterate over all files in the specified folder
    for filename in os.listdir(folder_path):
        try:
            goal, style, season, gender, year = parse_filename(filename)
        except ValueError as e:
            print(f"Ignoring file {filename}: {e}")
            continue

        file_path = os.path.join(folder_path, filename)

        # Read the CSV file and append its data to aggregated_data
        with open(file_path, 'r', newline='', encoding='utf-8') as csvfile:
            reader = csv.DictReader(csvfile)
            if gender == 'male':
                for row in reader:
                    aggregated_data_male.append(row)
            elif gender == 'female':
                for row in reader:
                    aggregated_data_female.append(row)

        # After reading, optionally delete the CSV file
        os.remove(file_path)
        print(f"Processed and removed file: {file_path}")

    # Write aggregated data to separate CSV files for males and females
    write_aggregated_data(aggregated_data_male, "aggregated_data_male.csv", folder_path)
    write_aggregated_data(aggregated_data_female, "aggregated_data_female.csv", folder_path)

def write_aggregated_data(data_list, output_filename, folder_path):
    output_file_path = os.path.join(folder_path, output_filename)
    
    with open(output_file_path, 'w', newline='', encoding='utf-8') as csvfile:
        fieldnames = ['Ranking', 'Name', 'Goal', 'Style', 'Value', 'Season', 'Year']
        writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
        writer.writeheader()
        
        for row in data_list:
            writer.writerow(row)

    print(f"All aggregated data has been written to {output_filename}")

def parse_filename(filename):
    # Example filename format: 50_Braza_2020-2021_female_2009.csv
    parts = filename.replace('.json', '').replace('.csv', '').split('_')
    if len(parts) < 5:
        raise ValueError("Filename does not match expected format")

    goal = parts[0]
    style = parts[1]
    season = parts[2]
    gender = parts[3]
    year = parts[4]
    return goal, style, season, gender, year

# Example usage
folder_path = os.path.dirname(__file__)  # Assumes the script is in the folder with CSV files
aggregate_csv_files(folder_path)

• En categoría masculina los nadadores listados, 2560 únicos, aparecen, de media, 2,6 veces en los top100 por temporada. Si al finalizar la temporada clasificas en 2 pruebas o menos, puede que estés por debajo de la media en cuanto a versatilidad (de los que aparecen al menos una vez). En categoría femenina hay 2401 nadadoras diferentes, mostrando una versatilidad muy parecida.

• En categoría masculina (izquierda) el número de nadadores diferentes aumenta en cada generación posterior. Se podría interpretar que la gente es más especialista, pero ciñédome a la hipótesis del embudo y teniendo en cuenta la edad de los deportistas, creo que es justo lo contrario. No tendría sentido una mayor especialización en deportistas más jóvenes. Desaparece gente con la edad y eso favorece a que los que quedan suban puestos en pruebas que no han sido prioritarias para ellos. 

• Otra cosa que he calculado son los tiempos medios del top100, top50, top25 y top10 para cada generación y prueba. También se puede ver la tendencia de las marcas y comparar entre generaciones a mismas edades. Pongo un ejemplo: mariposa femenina. Parece que en el 200 aun que la gente super top sigue mejorando la mayoría tiende a estancarse alrededor de los 16, 17 años. 

• ¿Y cuántos deportistas prácticamente desaparecen? ¿Cuántos de los que estaban en el top25 ya no están ni siquiera en el top100?

Esta tabla representa al 100 braza femenino del 2009. Aproximadamente 1 de cada 4 de las chicas que formaron parte del top25 en la temporada 2020-2021 ya no está en el top100 de esta temporada, pero también se observa que las 10 integrantes del top10 de la temporada pasada siguen peleando esta temporada.

Estoy seguro de que se pueden extraer unas cuantas cosas más. Se me ocurre, por ejemplo, cuánto overlap hay entre los distintos estilos, es decir, si los mariposistas son más o menos los mismos que los crolistas, a diferencia de los bracistas, por decir algo. O manejando los datos de forma un poco diferente podría tener en cuenta los clubs, o las federaciones, y hacer esas comparativas, pero yo lo voy a dejar aquí de momento. Aquí abajo te dejo todos los archivos donde puedes ver los datos mejor y sacar tus propias conclusiones, o jugar con los archivos si quieres.

Por último, por contestar a las preguntas que me planteé al principio:

• ¿Es cierto que la gente va desapareciendo o es una percepción? 
• Parece ser cierto.

• ¿Cómo de grande es ese efecto?
• De moderado a grande en mi opinión.

• ¿Ocurre en todos los estilos?
• Sí. De hecho parece que la diferencia no es el estilo sino la distancia. A Mayor distancia, mayor efecto.

• ¿Pasa más en algunas edades especialmente?
• A mayor edad, mayor cantidad de gente que "desaparece".

• ¿Es igual en chicos que en chicas?
• Parece mayor en chicas.

Documentos

En esta carpeta de Drive puedes encontrar los tres scripts, dos archivos de Excel con los datos ya cargados para la categoría femenina y masculina, y los archivos CSV con todos los datos extraídos de Leverade.

 

• Aqui tienes un pdf con los tiempos medios de las pruebas masculinas para las distintas edades y rankings.

• Aquí tienes un pdf con los tiempos medios de las pruebas femeninas para las distintas edades y rankings.