Football Transfer Network Analysis

Análise do mercado de transferências de futebol profissional modelado como grafo direcionado. O projeto mapeia 534 transferências entre 312 clubes (jan–ago 2025), aplica métricas de centralidade e detecção de comunidades para identificar perfis funcionais: formadores, importadores e intermediários.

Desenvolvido como projeto acadêmico na disciplina de Comunicação e Redes (UFABC) e refatorado para portfólio técnico público. O paper original está disponível aqui.

---

---

Estrutura

├── src/
│   ├── graph.py          # coleta de dados e construção do grafo
│   ├── metrics.py        # métricas do grafo e centralidades
│   ├── communities.py    # detecção de comunidades (Louvain)
│   ├── visualization.py  # plotagem e tabelas
│   └── export.py         # exportação de tabelas para PNG
├── notebooks/
│   ├── 01_data_and_graph.ipynb   # problema, coleta e construção
│   ├── 02_metrics.ipynb          # métricas com narrativa acessível
│   └── 03_results.ipynb          # achados, perfis e comunidades
├── outputs/              # visualizações geradas
├── .env.example          # template de variáveis de ambiente
└── requirements.txt

---

Setup

Pré-requisitos: Python 3.11 e pyenv

git clone https://github.com/falcaoalvinho/football-transfer-network-analysis.git
cd football-transfer-network-analysis

O pyenv seleciona o Python 3.11.0 automaticamente ao entrar no diretório (via .python-version). Em seguida, crie e ative o ambiente virtual:

# Linux/macOS
python -m venv .venv
source .venv/bin/activate
 
# Windows
python -m venv .venv
.venv\Scripts\activate

Instale as dependências e configure as variáveis de ambiente:

pip install -r requirements.txt
cp .env.example .env

Edite o .env com a URL da sua API:

API_URL=sua_url_aqui

Inicie o Jupyter e execute os notebooks em ordem:

jupyter notebook

Atenção: os notebooks 02 e 03 dependem de executar o 01 na mesma sessão Jupyter — o grafo é persistido via %store entre eles.

---

Fonte de dados

Os dados foram coletados manualmente dos sites da ESPN e Transfermarkt e estruturados em uma planilha Google Sheets exposta como API REST via Sheety. Qualquer alteração na planilha reflete automaticamente em todas as execuções — a chave de acesso é configurada via variável de ambiente.

---

Stack

Python · NetworkX · Matplotlib · Pandas · NumPy · SciPy · Requests · python-dotenv · Jupyter