Guille - Project 1

[Yoith]

https://github.com/Yoith/project-1

[breogann]

Hola Guille! 🙋🏻‍♂️

Te cuento:

(si ves este comentario en github, el código aparecerá formateado)

• Respecto a la organización del repositorio 📚

  • El .gitignore: está perfecto. No has subido ningún archivo oculto/temporal a github, o sea que estupendo.
  • Tampoco has subido el csv original, como pedían los autores de kaggle
  • Las carpetas de data y de src están perfect.
  • No tienes ninguna carpeta de data. Está bien, pero, sólo hacía falta ignorar el datadset inicial. El archivo, una vez limpio y procesado, sí lo puedes exportar y de hecho te recomiendo que lo cojas como hábito.

• El README.md ✍🏻: el readme esta super bien. Has "ubicado" al lector en qué se va a encontrar y has dado un montón de contexto.

  • Por la parte visual, ya que tienes los plots exportados, puedes aprovechar para incluirlos en el README. Sólo necesitas hacer como en jupyter notebook: ![nombre](ruta relativa a tu .png)
  • Por completitud, puedes añadir si quieres más información sobre la estructura de los datos.
  • Incluye el enlace (público) a canvas en el README.md, o incluso una captura también. La presentación estuvo genial o sea que aprovechala.

• La modularización 📉: no era necesario para este proyecto, pero lo pediremos para el siguiente. Es cuestión de meter en funciones y luego repartirlas en archivos de python dentro de la carpeta src para ir luego re-importándolas en los mismos notebooks.

• El código 👩‍💻:

  • La limpieza y el story telling:
    • Los jupyter: Están bien guiados con los títulos y los comentarios 🔥.
    • En cuanto a esto:

      count_activity = sharks["activity"].value_counts().head(30)

      está genial porque justificas el por qué has decidido quedarte con los primeros 30.

    • Has hecho función:

      def strip_columns(df):
      df = df.map(lambda x: x.strip() if isinstance(x, str) else x)
      return df

      que es sencilla y además te vale para más de un dataset. Aunque sea sencilla, el hábito de encapsular es necesario.

• Genial haber usadopycountry. No hay que reinventar la rueda y para eso están.

• En las líneas de código donde utilizas el np.where (que por cierto, muy bien porque siempre se nos olvida ese método), puedes mejorarlo haciendco un diccionario para mapearlo, y entonces hacer una función. Es decir, {"boat": ["boating", "boats", "boatomg"]} y así tienes una sola función parametrizada.

• Intenta no dejar errores en el código. Si lo quieres mantener, inclúyelo en unas triples comillas con un comentario (igualmente veo que has comentado el por qué te lo da 👏 )

• En cuanto a los plots: sencillos, con los ejes claros, muestran lo que tienen que mostrar y no hay ruido. Como mucho, ordenaría el de las actividades por el count.