2_ballondor.R

library(dplyr)
library(stringr)
library(RSelenium)

remDr <- remoteDriver(remoteServerAddr = "localhost" , port = 4445, browserName = "chrome")
remDr$open()

url <- "https://en.wikipedia.org/wiki/2019_Ballon_d%27Or"
remDr$navigate(url)

library(XML)
elem <- remDr$findElement(using="css", value="#mw-content-text > div.mw-parser-output > table:nth-child(7)")
elemtxt <- elem$getElementAttribute("outerHTML")
elem_html <- htmlTreeParse(elemtxt, asText = TRUE, useInternalNodes = T, encoding="UTF-8")

Sys.setlocale("LC_ALL", "English") # 선수 이름 프랑스어 때문에 English로케일로
ballond19 <- readHTMLTable(elem_html, header = T, stringsAsFactors = FALSE)[[1]]
ballond19 <- ballond19 %>% rename("Rank"="Rank\n","Player"="Player\n","Club(s)"="Club(s)\n","Points"="Points\n")

##21행, 25행, 27행, 29행, 30행의 경우에는 공동 순위 때문에 한칸씩 밀려서 해결
naballond19 <- ballond19 %>% filter(is.na(Points)) %>% rename("Player"="Rank","Club(s)"="Player","Points"="Club(s)","Rank"="Points")

ballond19 <- ballond19 %>% subset(!(is.na(Points))) %>% bind_rows(naballond19)  %>% select(2:4) %>% mutate_at(vars(Points),as.numeric) %>% arrange(desc(Points))
# 팀 이름 2개인 선수의 경우에 쉼표 표시 해줘도 될거 같은데 굳이 분석에는 필요하지 않을 것 같아 진행하지 않음

# 발롱도르 순위권에 해당하는 데이터들을 뽑아와야 함
print(ballond19)
View(fifa21)
View(ballond19)
name <- c("L. Messi",
          "V. van Dijk",
          "Cristiano Ronaldo",
          "S. Mané",
          "M. Salah",
          "K. Mbappé",
          "Alisson",
          "R. Lewandowski",
          "Bernardo Silva",
          "R. Mahrez",
          "F. de Jong",
          "R. Sterling",
          "E. Hazard",
          "K. De Bruyne",
          "M. de Ligt",
          "S. Agüero",
          "Roberto Firmino",
          "A. Griezmann",
          "T. Alexander-Arnold",
          "P. Aubameyang",
          "D. Tadic",
          "H. Son",
          "H. Lloris",
          "K. Koulibaly",
          "M. ter Stegen",
          "K. Benzema",
          "G. Wijnaldum",
          "João Félix",
          "Marquinhos",
          "D. van de Beek"
)
ballond19 <- ballond19 %>% cbind(name) %>% rename("short_name"="name")

ballondplayer <- inner_join(ballond19,fifa21,by="short_name")
View(ballondplayer)

# 2. 2019년도 발롱도르 순위(점수)와 선수 능력치의 상관관계
library(MASS)

#### Points 와 overall, pace, shooting, passing, dribbling, defending, physic의 상관관계 


ballondplayer <- ballondplayer %>% dplyr::select(Points,short_name,overall,pace,shooting,passing,dribbling,defending,physic)

ballondplayer <- ballondplayer[complete.cases(ballondplayer),] # 골키퍼의 경우에는 NA라 제거 

ballondorcor <- cor(ballondplayer[-2])
corrplot(ballondorcor, method="color", addCoef.col="black", type="lower", order="hclust", tl.srt=45, diag=F)


library(psych)
pairs.panels(ballondplayer[-2], bg="red", pch=21, hist.col="gold", 
             main="Correlation Plot of Ballondor Ranking")
pointsand7 <- corr.test(ballondplayer[-2])

# overall 0.64 상관관계가 있다.
# pace : 0.18 상관관계가 거의 없다.
# shooting : 0.16 상관관계가 거의 없다.
# passing : 0.11 상관관계가 거의 없다. 
# dribbling : 0.08 상관관계가 거의 없다.
# defending : -0.08 : 상관관계가 거의 없다.
# physic : 0.05 상관관계가 거의 없다.


#### 세부 능력치에서 비교


# ballondplayerstat <- fifa21 %>% dplyr::select(attacking_crossing,attacking_finishing,attacking_heading_accuracy,attacking_short_passing, movement_acceleration,movement_sprint_speed,movement_agility,movement_reactions,movement_balance,power_shot_power,power_jumping,power_stamina,power_strength,power_long_shots,mentality_aggression,mentality_interceptions,mentality_positioning,mentality_vision,mentality_penalties,mentality_composure,defending_standing_tackle,defending_sliding_tackle,goalkeeping_diving,goalkeeping_handling,goalkeeping_kicking,goalkeeping_positioning,goalkeeping_reflexes)

# 다중 회귀분석을 통해, (토탈 점수)를 가지고 sorting 하는 식으로-!