[link] Alejandro

[jalex141]

https://github.com/jalex141/Shark-tank.git

[AnaAGG]

🐼🦈 Proyecto sharks 🐼🦈

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

README

¿Qué pasó con el readme Alejandrooooo? 😔

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 librerías y sus vínculos a las documentación oficial)

Estructura del repo

En general muy buen trabajo con la organización de tu repo, te dejo por aquí algunos comentarios sobre algunos detalles que vi, espero que te ayuden 😉

• Tienes un jupyter que esta vacío que se llama Untitled... Para el futuro, evitar tener ficheros vacíos o que no aportan nada a nuestro repo 😉

• Suuper bien que no se te haya pasado ningún archivo temporal ni ningún fichero que no deberieramos mostrar en el repo. Genial todos esos ficheros al .gitignore

• Para el futuro, se que puede resultar un poco rollo pero... la documentación de las funciones plis 🙏

  Te dejo por aquí algo de documentación por si te aporta valor para el futuro

• Como detalle, nos podemos crear un par de carpetas donde podemos almacenar determinados tipos de archivos:

  • Una carpeta de data donde meteremos todos nuestros .csv o los archivos con los que hemos trabajado
  • Una carpeta de Notebooks dónde guardamos todos los jupyters que hemos ido creando.

  Así tendremos nuestro repo perfectamente ordenaditoooo

• Por ponerme tiquismiquis, en el repo tienes cosas en inglés, otras en español... intenta unificarlo para próximos proyectos 🤓

• Por último, tienes dos jupyters con la misma información, el de cleaning y el de principal.

Sintaxis del código

• JUPYTER DE LIMPIEZA

  • Cuando haces el drop de los duplicados lo haces únicamente chequeando los duplicados para la columna de Case_Number

    sh.drop_duplicates(subset=['Case_Number'],inplace=True)

    ¿Por qué lo haces así?

    Quiero decir, ¿no puede haber dos ataques de tiburones en la misma fecha pero en distintos países por ejemplo? o ¿dos ataques en la misma fecha pero que no sea fatal y otro no?

    A la hora de eliminar duplicados o eliminar filas tenemos que pensarlo mucho antes de hacerlo ya que podemos estar perdiendo información muy útil.

  • Cuando rellenas todos los NaN con Unknown ¿Tiene sentido?

  Por ejemplo, en la columna de Age no tendría más sentido reemplazar por la media/moda de las edades que tenemos en nuestro dataset?

  • Vamos con esta función num_month

    Lo primero de todo, enhorabuena por esta cadena de funciones que has creado para poder extraer información de una columna. Buen trabajo 🔝. Peeeero no podía ser todo bueno...

    En la función num_month tienes un montón de elif, cuando esto nos pasa es que hay algo que debemos atomizar en nuestro código para evitar tener esas estructuras altamente repetitivas.

    En este caso puedes usar la librería datetime que nos va a permitir pasar de nombres a números en los meses

    # un ejemplo aquí:
    month_name = "Jan"
    datetime_object = datetime.datetime.strptime(month_name, "%b")
    month_number = datetime_object.month
    print(month_number)
    # nos devuelve 1

    Aquí algo de documentación sobre este método

• JUPYTER DE VISUALIZACIÓN Esta parte del proyecto esta suuper bien Alejandro, peeero un par de detaillitos:

  • En este jupyter me ha faltado algo mas de history telling, describes las gráficas pero no explicas el porqué de los resultados.
  • Muchas de tus gráficas son similares, countplots con un hue. Lo que podrías haber hecho para no repetir todo el rato el mismo código es crearte una funcioncita para hacer este tipo de plots. Por ejemplo

  def plot(df, col, hue):
      return sns.countplot(x=df[col], hue=df[hue])

  TODOs

• Darle una vuelta al readme plisss 🙏

• Atomizar algunas partes del código para evitar estructuras que se repitan mucho

• Interpretación de los resultados, no contarme solo que se ve en las gráficas. Cuéntame el porqué puede estar pasando eso.

En general muy buen trabajo en este primer proyecto Alejandro 💪! Has sobrevivido al primer proyecto y lo has hecho genial!! En este proyecto hemos interiorizado cómo trabajar con pandas y cual es el principal proceso de limpieza de un dataset.