Mi_primer_proyecto_pd

[SONIAFERNANDEZC]

https://github.com/SONIAFERNANDEZC/Mi_primer_proyecto_pandas

[AnaAGG]

🐼🦈 Proyecto sharks 🐼🦈

Hola Sonia 🙋🏻‍♀️ vamos con las correcciones del primer proyecto del bootcamp

README

¿Qué pasó con el readme Sonia? 😔

El readme es parte esencial del proyecto, principalmente por que es lo primero que se ve de nuestro proyecto y donde debemos de ser capaces de sintetizar de una forma sencilla todo nuestro trabajo.

Te dejo por aquí unos tips por si te aportan valor para los próximos readmes

• Lo ideal es empezar con el objetivo del proyecto. ¿Por qué lo estoy haciendo?
• Con que datos estoy trabajando:
  • De que va mi dataset, que datos tengo, que información me da
  • De donde han salido los datos, en este caso poner el link a la página donde nos los podemos descargar
• Cuáles son nuestras hipótesis
• Cuál es el flujo de trabajo de trabajo que he seguido
• Cómo esta estructurado mi repositorio, que carpetas tengo y que me puedo encontrar en cada una de las carpetas
• Qué herramientas he usado para llevar a cabo mi trabajo (las librerias y sus vínculos a las documentación oficial)

Estructura del repo

Poco te puedo comentar en esta parte. Tu repo solo tiene dos archivos de jupyter ...😔

Cosas que te dejo por aquí por si te aportan valor y que puedas ir añadiendo en los próximos protectos:

• Lo primero de todo, pon nombre a los ficheros, en este caso podrías haber puesto como nombre Cleaning y Visualization algo que nos diga que van los jupyters que estamos viendo
• Falta la carpeta src donde tendríamos que poner el archivo .py con las funciones que deberías haber usado durante el proyecto.
• Bien que no se te haya pasado ningún archivo rarinchi o temporal fura del .gitignore 💪

Sintaxis de código

• En algunas ocasiones repites lineas de código que son iguales una a continuación de otra. Por ejemplo, para eliminar nulos

  #haces primer esto
  dataf.dropna(thresh=2)
  
  # y luego haces esto de nuevo
  dataf.dropna(axis=0, how="all", inplace=True)
  

• Suuper, te has creado una función, para que hubiera quedado perfecto lo tendrías que haber llevado a la carpeta src e importala en el jupyter. Si no recuerdas como hacerlo dimelo y lo vemos 😉

• Vamos con la columa de year que has intentado limpiar. Entiendo que lo que querías era generarte un dataset que no incluyera ciertos años.

  Vamos a hacer un ejemplo:

  # Imagina que solo estamos interesados en aquellos datos que se hayan recogido a partir del año 1900. 
  
  # NUESTRO DATAFRAME SE LLAMA DF
  
  df2 = df[df["Year"] > 1900] # de esta forma lo que estamos haciendo es seleccionar de nuestro dataframe original (df) solo aquellos valores de año (df["Year"]) que sean mayores de 1900 (> 1900)

• Sobre la columna de Year, fijate que el tipo de esa columna es float. Es raro que un año sea un float no?

  Lo primero que teniamos que haber hecho es convertir a int esa columna.

  ¿Cómo lo podemos hacer?

  #usando el método astype
  
  df["Year"] = df["Year"].astype(int)

  Aquí más documentación sobre este método

• En el segundo jupyter, al principio del jupyter reemplazas todos los NaN por "year"+

  datafv = datafv.fillna('Year')
  # ¿Qué sentido tiene que hagas esto?

  -En la gráfica que ploteas por año(la segunda), ¿Qué es lo que estas ploteando? que representa el eje y?

  En esta gráfica además el eje y esta todo muy superpuesto y hace que los años no se vean bien. Intenta para el futuro modificar estos detalles, por ejemplo rotanto el eje del label.

TODOs

• En general me ha faltado un poco de orde en el projecto, se repiten lineas de código a lo largo de todo el jupyter. Por ejemplo, si eliminamos columnas solo lo hacemos una vez. Si eliminamos nulos lo hacemos también una única vez.

• A las gráficas habría que darles una vueltita para que sean más autoexplictivass

• El readme! Plis 🙏, es suuuper importante, ya se que soy suuuper pesada 🤣.

• Las funcioncitas en un archivo .py

Has sobrevivido al primer proyecto y lo has hecho genial!! En este proyecto hemos interiorizado como trabajar con pandas y cual es el principal proceso de limpieza de un dataset. Venga Sonia!! seguimos avanzando y peleandonos con pandas que al principio puede ser un poco doloroso 😔