Análisis de Datos: Fórmula 1 (2018-2023)

Portfolio de Análisis de Datos con R

Introducción

Este informe presenta un análisis exploratorio de datos (EDA) sobre la Fórmula 1, abarcando desde el estado de finalización de las carreras hasta la influencia de factores climáticos en el rendimiento de los vehículos.

Los datos han sido procesados utilizando el ecosistema tidyverse y visualizados con ggplot2.

Análisis del Estado de todos los corredores en todas las carreras

resultados_y_conductores <- left_join(resultados, conductores, by="idConductor")

tabla_estado <- resultados_y_conductores %>%
  count(estado, name= "Frecuencia") %>%
  mutate(porcentaje = round(Frecuencia / sum(Frecuencia) * 100, 2)) %>%
  arrange(desc(Frecuencia))

ggplot(data = tabla_estado) +
  aes(x = reorder(estado, -porcentaje), y = porcentaje, fill = estado) +
  geom_bar(stat = "identity") +
  scale_y_continuous(breaks = seq(0, 100, by = 10)) +
  labs(title = "Estado de finalización de carreras", 
       x = "Estado", 
       y = "Porcentaje (%)") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1), legend.position = "none")

Figure 1: Distribución porcentual del estado de finalización de carreras.

Análisis del estado de finalización del equipo “Mercedes”

resultados_conductores_constructores <- left_join(resultados_y_conductores, constructores, by="idConstructor")

datos_mercedes <- resultados_conductores_constructores %>%
  filter(equipo == "Mercedes") 

estado_mercedes <- datos_mercedes %>%
  count(estado, name= "Frecuencia") %>%
  mutate(porcentaje = round(Frecuencia / sum(Frecuencia) * 100, 2))

ggplot(data = estado_mercedes) +
  aes(x = reorder(estado, -porcentaje), y = porcentaje, fill = estado) +
  geom_bar(stat = "identity") +
  labs(title = "Estado de carreras: Escudería Mercedes", 
       x = "Estado de carrera", 
       y = "Porcentaje (%)") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1), legend.position = "none")

Figure 2: Análisis de fiabilidad para el equipo Mercedes.

# Carrera con tiempos de finalización excepcionalmente bajos

#| label: fig-tiempos
#| fig-cap: "Histograma de tiempos de finalización."

resultados.f <- resultados %>% 
  filter(!is.na(milisegundos)) %>% 
  mutate(minutos = milisegundos / 60000)

media_tiempo <- mean(resultados.f$minutos)

ggplot(resultados.f, aes(x = minutos)) +
  geom_histogram(bins = 35, fill = "steelblue", color = "white") +
  labs(title = "Distribución de tiempos de finalización (F1 2018-2023)",
       x = "Tiempo (minutos)",
       y = "Frecuencia") +
  theme_minimal() +
  geom_vline(xintercept = media_tiempo, color = "red", linetype = "dashed") +
  annotate("text", x = media_tiempo + 10, y = 100, 
           label = paste("Media:", round(media_tiempo, 1), "min"), color = "red")

Comparacion de podios entre Verstappen, Hamilton y Bottas

resultados_y_conductores.f <- resultados_y_conductores %>% drop_na(codigo, posFinal)

podio <- resultados_y_conductores.f %>%
  filter(codigo %in% c("VER", "HAM", "BOT"), posFinal %in% c(1, 2, 3)) %>%
  mutate(posicion_podio = factor(case_when(
    posFinal == 1 ~ "1° lugar",
    posFinal == 2 ~ "2° lugar",
    posFinal == 3 ~ "3° lugar"
  ), levels = c("3° lugar", "2° lugar", "1° lugar")))

ggplot(podio, aes(x = codigo, fill = posicion_podio)) +
  geom_bar(position = "stack") +
  labs(title = "Distribución de podios por piloto",
       x = "Piloto",
       y = "Cantidad de Podios",
       fill = "Posición") +
  theme_minimal() +
  scale_fill_manual(values = c("1° lugar" = "#FFD700", 
                               "2° lugar" = "#C0C0C0", 
                               "3° lugar" = "#CD7F32"))

Figure 3: Comparativa de podios entre líderes.

Cómo afecta la lluvia al desarrollo de la competencia

carreras_y_resultados.f <- left_join(carreras, resultados, by="idCarrera") %>% 
  drop_na(lluvia, milisegundos)

datos_lluvia <- carreras_y_resultados.f %>% 
  mutate(Clima = ifelse(lluvia, "Con lluvia", "Sin lluvia"))

ggplot(datos_lluvia, aes(x = Clima, y = milisegundos/60000)) +
  geom_boxplot(aes(fill = Clima), alpha = 0.7) +
  labs(title = "Tiempos de finalización según clima",
       x = "Condición climática",
       y = "Minutos") +
  theme_minimal() +
  scale_fill_manual(values = c("Con lluvia" = "lightblue", "Sin lluvia" = "orange"))

Figure 4: Boxplot de tiempos de carrera bajo lluvia vs. seco.

Cómo afecta la temperatura al desarrollo de la competencia

ggplot(carreras, aes(x = tempAire, y = tempPista)) +
  geom_jitter(alpha = 0.4, color = "darkred") +
  geom_smooth(method = "lm", color = "black", se = FALSE) +
  labs(title = "Relación: Aire vs. Pista",
       x = "Temp. Aire (°C)",
       y = "Temp. Pista (°C)") +
  theme_minimal()

Figure 5: Correlación entre temperatura de aire y pista.