Cómo hacer Great Tables en Python y R

Incluyo el código completo en ambos lenguajes.

Hola a todos,

El tutorial de hoy muestra cómo cree esta tabla en Python y en R. De la página de Proballers.com

Mi lenguaje principal es R y es con el que hago los ánalisis porque lo tengo mas automatizado y porque hasta ahora la calidad de las visualizaciones estaban, a mi parecer, a años luz (de mejores) de las de Python. Pero con la implementación de la librerías gt() y gtExtras() (great_tables gt_extras en Python) ahora ya el lenguaje que elijas es igual, reconozco que Python es mucho más popular y es el que conoce y piden en todos lados, y aunque todavía no está igual al 100%, por ejemplo no está intregrado poner superindices, que es la diferencía fundamental con la tabla hecha con R, si que el 98% es prácticamente igual.

Comenzaremos en Python y luego paseremos a R

---

Código en Python 🐍

Empezamos cargando las librerías

import polars as pl, pandas as pd, requests #extraer, transformar, cargar, descargar Json
from bs4 import BeautifulSoup # parsear HTML
from urllib.parse import urljoin # rutas absolutas
from great_tables import GT, md, loc, style # tabla GT / formatos
import gt_extras as gte # extras GT (resaltados)
import polars.selectors as cs # seleccionar numéricas
from selenium import webdriver # exportar PNG (GT)
from PIL import Image, ImageOps  # margen PNG (post)

Aprovecho para recordar que uso Jupiter NoteBooks, por lo que cada bloque de código es un chunk en el archivo original mi escritorio se ve así:

Comentar que escribo el código Python como si estuviera escribiendolo en R, por lo que a lo mejor es diferente a lo que se ve en otros lados.

Cargamos la url, y mediante pandas y polars extraemos la primera tabla por eso el [0], limpiamos y corregimos los nombres de las columnas, las seleccionamos, cambiamos el nombre de eff por el de val. Como la tabla son totales, dividimos todo por los partidos jugados y redondeamos, solo a minutos (sin segundos) la columna min, y las demás con 1 decimal

url = "https://www.proballers.com/basketball/player/65439/dzanan-musa/totals"
df = (
    pl.from_pandas(pd.read_html(url, storage_options={"User-Agent": "Mozilla/5.0"})[0])
    .clean_names(remove_special=True, strip_underscores=True)
    .select(
        "season",
        "team",
        "league",
        "gp",
        "min",
        "pts",
        "reb",
        "ast",
        "stl",
        "to",
        "blk",
        pl.col("eff").alias("val"),
    )
).with_columns(
    ((cs.numeric().exclude("gp", "min")) / pl.col("gp")).round(1),  # todas las numéricas ≠ gp,min
    ((pl.col("min") / pl.col("gp")).round().cast(pl.Int8)),          # min: 0 decimales
)
df 

El resultado de este bloque se ve en la foto de arriba

Ahora necesitamos una serie de datos en forma de tablas para enriquecer los datos y poder conseguir una visualización que den ganas de verla.

Tenemos que extraer a parte, los logos, los nombres de los equipos y hacer una tabla con el fin de unirla a la de los datos. Esto ya lo expliqué en otros tutoriales: botón derecho y buscamos los elementos.

Un detalle al final verás que hay una linea (.unique) que es para quitar de la tabla los nombres que se repiten, debido a los años que juega en cada equipo. Si los dejaramos, nos duplicaría al unir la tabla tantas veces como se repitiera el nombre.

# Dataframe con los nombres de equipo y sus logos

headers = {"User-Agent": "Mozilla/5.0"}
res = requests.get(url, headers = headers)
soup = BeautifulSoup(res.text, "html.parser")

links = soup.select(".show .second__left img[src]") #logos
links2 = soup.select(".show .second__left a[title]") # nombres de equipo

#Tabla con ambas cosas

dfLogos = pl.DataFrame({
     "team": [a.get_text(strip=True) for a in links2],
    "url_logo":   [img["src"] for img in links]
}).unique(subset=["team"], keep="first", maintain_order=True)

Disclaimer:
Estas tareas tan minuciosas y tediosas —como hacer tablas de equivalencias entre los nombres de liga en Proballers y sus nombres reales, o buscar los colores oficiales de los equipos— me llevarían unos cuantos minutos si tuviera que hacerlas a mano.

Pero se resuelven con algo tan simple como pedirle a ChatGPT que busque esas equivalencias por mí… y que me monte una tabla con lo que necesito.

Hacemos una con las de las ligas (GPT)

ligas = pl.DataFrame(
    {
        "league": ["ABA-1", "CRO-1 Up", "CRO-1", "USA-1", "USA-2", "TUR-1", "SPA-1"],
        "liga":   ["ABA League", "Premijer Liga (Fase por el título)", "Premijer Liga (Croacia)",
                   "NBA", "G League", "BSL (Türkiye)", "ACB"],
    },
    ) # categoriza 'league'
ligas

A partir de aquí, me harías muy feliz si me ayudas a sacar este proyecto adelante mejorando tu suscripción.

Gracias por adelantado.