[W4-geospatial-data-project] Unai Arteaga

[Unaiat]

https://github.com/Unaiat/Geospatial_data_project

[AnaAGG]

🗺🗺 W4-geospatial-data-project 🗺🗺

Holaaaaa Unai 🙋‍♀️. Vamos a por el proyecto de este finde! 🔥🔥

Readme

El readme esta perfecto Unai, la verdad es que no tengo nada que decirte! Muy buen trabajo en esta parte

Estructura del repositorio

La estructura del repo:

• Suuper no se te paso ningún fichero raro, y los tokens están en el .gitignore👏👏

• Los jupyters muy bien documentados y las funciones con sus docstrings 🔥 👏

• Por ponerme tiquismiquis, si a los ficheros de jupyter les pones un número para indicar el orden en que se van ejecutando te queda perfecto!

Suuper bien la estructura Unai 🔝

Sintaxis de código

Vamos con la parte de sintaxis del proyecto:

Tienes tres jupyters, uno para cada ciudad, pero que en realidad los tres tienen el mismo código. ¿Qué podemos hacer?

• 1. Select the relevant offices from the database

  • Te puedes crear una función con todo este código:

    • Conectas con mongo
    • Buscas empresas
    • Pasas a df
    • Limpias el dataframe

  • Cuando seleccionas algunos tipos de empresas:

    #tienes este código
    df_berlin_categories = df_berlin[(df_berlin['category_code'] == "web") | (df_berlin['category_code'] == "games_video") | (df_berlin['category_code'] == "design") |(df_berlin['category_code'] == "ecommerce") |(df_berlin['category_code'] == "mobile") |(df_berlin['category_code'] == "social")]
    
    # creo que podrías hacer esto y lo simplificaras el código
    df_berlin[df_berlin["location"].isin(["web", "games_video", "design", "ecommerce", "mobile", "social"])]

• 2. Make the geoqueries

  • Puedes atomizar el código de esta parte, para no tener que ejecutar el mismo código para cada una de las parámetros de foursquare.

    • Te puedes crear una lista con los parámetros que has considerado importantes:

      query = ["Theater", "Starbucks", "Basketball Stadium", "Preschool", "Nightlife Spot", "Movie Theater", "Gym / Fitness Center"]

    • Una vez que tienes esta lista puedes iterar por ella llamando a la función make_call

      for i in query:
          london = make_call(company, i)
          # de esta forma se te almacenarán todos los resultados de las queries para london en la variable london. 

      🟠 Lo mismo puedes hacer para las funciones de make_df y check_near. Las funciones PERFECTAS!!

  • En la función make_df te creas tres lista vacías (name, latitude y longitude) que luego no vuelves a usar en toda la función

  • En la función de score, tienes el mismo código repetido 8 veces. Esto se podría atomizar. Lo puedes hacer creando un diccionario donde las keys son los parametros que elegiste y los values los pesos que le das a cada uno de ellos.

ToDo

Tengo poco que decirte aquí, sobre todo que atomices esas funciones para que no repitas tanto algunas estructuras de código.

Siendo data analysts tenemos que garantizar que las decisiones que tomamos se basan en lo que trabajamos, tu has utilizado las ponderaciones, lo que está perfecto. Enhorabuena Unai, hiciste un gran trabajo en este proyecto!!! 🚀🔥 Sigue asiiiii