¿La mejor selección Argentina de la historia?

# Librerías utilizadas
library(rvest) # Paquete para implementar scraping web
library(lubridate) # Paquete para datos con formato fecha
library(tictoc) # Paquete para ver cuánto demoran los procesos
library(tidyverse)
library(ggtext) # Paquete para darle formato al texto
library(gt) # Paquete para armar tablas

# Fechas que se van a consultar: desde 1873 a 2024, el 1 de cada mes
fechas <- seq.Date(from = as.Date("1873-01-01"),
                   to = Sys.Date(),
                   by = "month")

# Lista para guardar las tablas según fecha
tabla_ratings <- list() 

tic() # Con esta función comenzamos a tomar el tiempo que tomará el procesamiento, hasta que se ejecute la función toc()

# Consulta: Con un for loop, se recorre la tabla de puntajes para cada fecha
for (i in 1:length(fechas)){
  link <- glue::glue("https://www.international-football.net/elo-ratings-table?year={year(fechas[i])}&month={month(fechas[i])}&day={day(fechas[i])}")
  elo_page <- read_html(link) # Lectura de la parte HTML estática de la web
  
  # Extracción de los elementos de texto de la web
  summaries_css <- elo_page %>%
    html_elements("td")
  
  elo_summaries <- html_text(summaries_css)
  
  # Manipulación de cada tabla para tener un resultado limpio
  rating <- as.data.frame(elo_summaries) %>% # Convierto a data frame
    rename(v1 = elo_summaries) %>% # Cambio de nombre a la variable
    filter(v1 != "") %>% # Saco filas vacías
    slice(-c(1:2)) # Excluyo las primeras 2 filas
  
  # La tabla que devuelve contiene el nombre de país y su puntaje en filas consecutivas
  row_odd <- seq_len(nrow(rating)) %% 2  # Selecciono las filas que son impares
  
  # Armo la tabla: las filas impares son el país y las pares el puntaje. Añado la columna fecha
  tabla_ratings[[i]] <- data.frame(pais = rating[row_odd == 1, ],
                                   elo =  rating[row_odd == 0, ],
                                   fecha = fechas[i])
  print(fechas[i])
}

toc() # Termina el conteo de tiempo que tomó el proceso

# Unifico todas las tablas en 1
tabla <- do.call(bind_rows, 
                 tabla_ratings)

# Guardo en formato .rds:
write_rds(tabla, 
          glue::glue("data/elo_ranks_{fechas[1]}_{fechas[length(fechas)]}.rds"))

# Lectura de la tabla en formato rds
elo <- read_rds("elo_ranks_1873-01-01_2024-04-01.rds") %>% 
  mutate(elo = as.numeric(elo), 
         pais = ifelse(pais == "Falkland Islands", 
                       yes = "Islas Malvinas",
                       no = pais))

# Mostramos la tabla de forma interactiva, con la función datatable del paquete {DT}
elo %>% filter(fecha == max(fecha)) %>% # Seleccionamos los registros de la última fecha
  arrange(-elo) %>% # Ordenamos valores de forma decreciente
  select(-fecha) %>% # Sacamos la variable fecha
  DT::datatable(caption = glue::glue("Ranking Elo al {format(max(elo$fecha),'%d de %B de %Y')}")) # Tabla y título

  # gt() %>%
  # tab_header(md(glue::glue("**Ranking Elo al {format(max(elo$fecha),'%d de %B de %Y')}**"))) %>%  # Tabla y título
  # cols_label(
  #   pais = "**País**",
  #   elo = "**Elo**", 
  #   .fn = md
  # ) %>%
  # fmt_number(columns = elo, sep_mark = ".", decimals = 0) |> 
  # opt_interactive()

# Graficamos la serie de Argentina
elo %>% 
  filter(pais == "Argentina") %>% 
  ggplot(aes(x=fecha,
             y=elo))+
  geom_point(data = elo %>% 
               filter(pais == "Argentina" & fecha %in% as.Date(c("1978-08-01","1986-08-01","2023-01-01"))),
             color="gold",
             size=10)+
  geom_line(color = "#75aadb")+
  theme_minimal()+
  labs(x = "",
       y = "",
       title = "Puntaje Elo de Argentina",
       subtitle = "")

# Armamos una tabla con los resultados de Argentina y Alemania
elo_arg_germany <- elo %>% 
  filter(pais %in% c("Argentina", "Germany", "West Germany")) %>% 
  pivot_wider(names_from = "pais",
              values_from = "elo") %>% 
  mutate(Germany = ifelse(is.na(Germany), 
                          yes = `West Germany`, 
                          no = Germany)) %>% 
  mutate(dif = Argentina - Germany) %>% # Diferencia de puntajes
  pivot_longer(cols = c("Argentina", "Germany", "dif"),
               names_to = "var",
               values_to = "val") %>% 
  mutate(var_tipo = ifelse(var == "dif",
                           yes= "dif",
                           no = "elo"), 
         var_tipo = factor(var_tipo,levels = c("elo", "dif"),
                           labels = c("elo","dif"))) # Convertimos a formato factor

# Graficamos la evolución de las series de Argentina y Alemania, junto con la diferencia
ggplot(data = elo_arg_germany,
       aes(x = fecha,
           y = val)) + 
  geom_line(aes(color = var),
            data = elo_arg_germany %>% 
              filter(var_tipo == "elo"))+ # Líneas de ambas series
  geom_col(data = elo_arg_germany %>% 
             filter(var_tipo == "dif"),
           fill = "gold")+ # Columnas con la diferencia entre ambas
  facet_grid(facets = "var_tipo",
             scales = "free_y")+
  scale_color_manual(values = c("#75aadb", "#DD0000"),
                     name="")+
  theme(
    text = element_text(family = "Encode Sans"), 
    plot.title =  element_markdown(size = 14, face = "bold"),
    plot.subtitle = element_markdown(size = 12, face = "bold"),
    plot.caption  = element_markdown(size = 10),
    strip.text.y  = element_text(size = 8, face = "bold"),
    axis.text.x   = element_text(size = 6, angle = 90),
    axis.text.y   = element_text(size = 6),
    panel.grid.minor.x = element_blank(),
    panel.grid.major.x = element_blank(),
    legend.position = "none",
    strip.placement = "outside",
    legend.title = element_blank())+
  theme_minimal()+
  labs(x = "",
       y = "",
       title = "Puntaje Elo de Argentina y Alemania y diferencia entre ambos",
       subtitle = "Aplica Alemania Occidental durante la división")