---

No universo da análise de dados — seja no futebol, fisiologia ou scouting — dominar os filtros do dplyr é essencial para transformar um banco bruto em informação estratégica.
Hoje você vai aprender, de forma direta e prática, os 10 tipos de filtros mais usados no R.

---

O que é o filter()?

A função filter() seleciona linhas do seu banco de dados com base em uma condição lógica.
Ela é usada quando queremos focar apenas em parte dos dados: um time, um jogador, um intervalo do jogo, uma ação específica etc.

---

Os 10 Tipos Essenciais de Filtros

---

1) Filtro por Igualdade

Seleciona linhas exatamente iguais a um valor.

filter(serieb, team.name == "Clube do Remo")
filter(serieb, type.name == "Pass")

---

2) Filtro por Diferença

Seleciona tudo que não seja o valor indicado.

filter(serieb, team.name != "Clube do Remo")

---

3) Filtro com Múltiplas Condições (AND → &)

A linha precisa atender todas as condições.

filter(serieb, team.name == "Clube do Remo" & type.name == "Pass")

---

4) Filtro com Pelo Menos uma Condição (OR → |)

A linha pode atender qualquer uma das condições.

filter(serieb, team.name == "Clube do Remo" | team.name == "Paysandu")

---

5) Filtro por Lista de Valores (IN)

Evita repetir várias condições OR.

filter(serieb, team.name %in% c("Clube do Remo", "Paysandu", "Amazonas"))

---

6) Filtros Numéricos

Para maiores, menores, iguais.

filter(serieb, minute > 45)
filter(serieb, x <= 50)
filter(serieb, expandedMinute >= 30)

---

7) Filtro por Intervalo

Quando o valor está entre dois números.

filter(serieb, x >= 20 & x <= 80)

---

8) Filtro por Texto

Usando str_detect() do pacote stringr.

filter(serieb, str_detect(player.name, "Silva"))

---

9) Filtro por Valores Ausentes (NA)

Selecionar NAs:

filter(serieb, is.na(player.name))

Remover NAs:

filter(serieb, !is.na(player.name))

---

10) Filtro para Variáveis Lógicas (TRUE/FALSE)

filter(serieb, isShot == TRUE)
filter(serieb, isGoal == FALSE)

---

Resumo Rápido

Tipo de Filtro	Exemplo
Igualdade	team.name == "Clube do Remo"
Diferença	team.name != "Remo"
AND	time == "Remo" & tipo == "Passe"
OR	`time == “Remo”
IN	%in% c("Remo", "Amazonas")
Numérico	minute > 45
Intervalo	x >= 20 & x <= 80
Texto	str_detect(player.name, "Silva")
NA	is.na(player.name)
Lógico	isShot == TRUE

---

O futebol mudou — e quem entende de dados está um passo à frente. Enquanto alguns ainda tomam decisões no olhômetro, os clubes mais inteligentes usam informações e métricas pra encontrar talentos, corrigir falhas e vencer mais. E é exatamente isso que você vai aprender no curso Análise de Dados Aplicado ao Futebol — um treinamento online, prático e direto ao ponto, que te ensina a transformar números em decisões dentro de campo. Você vai aprender a analisar desempenho, organizar informações, criar relatórios e entender padrões de jogo — tudo isso sem precisar saber programação. São cases reais, certificado, suporte e uma linguagem simples, feita pra quem ama futebol e quer entrar de vez no mercado. Já são dezenas de alunos aplicando o que aprenderam em clubes, startups e ligas profissionais. Então não perca tempo: garanta agora a sua vaga e faça parte da nova geração de analistas de futebol. O futebol mudou — e a próxima jogada é sua. Conheça a formação em dados aplicado ao Futebol do Campo Analítico.

Estatística Computacional no Futebol.