bripollc
commented
1 year ago Lucia,
El primer proyecto está superado! Te doy un poco de feedback, pero deberías estar muy contenta:)
🧹 Repository organization
Super! El repositorio está bien organizado, limpio y es fácil de navegar! No hay muchos files y están ordenados en carpetas cosa que aprecio mucho:) Yo quizás a la capeta .ipynb_checkpoints le llamaría notebooks o algo más legible. También cambiaría el nombre de tus notebooks, ya que no son muy intuitivos. Además, eliminaría el .zip que hay en la carpeta de data, que entiendo que es el df original sin descomprimir? Pero a parte de esto, muy muy bien!
Ai, también en la carpeta src/ debería contener solo archivos .py finales (que se ejecutaran desde el main.py), los notebooks deberían ir en otra carpeta. Además, te recomiendo agrupar el código encapsulado en tres archivos: cleaning.py (con las funciones para la limpieza), transforming.py (con las funciones para la transformación) y visualizing.py (para las funciones de los plots).
👨🏽💻 Code
En general buen trabajo limpiando y usando diferentes métodos que hemos visto. Tu código un poco desordenado en los notebook pero en el main.ipynb está limpio y los comentarios y nombres de tus funciones me ayudan a entender el proceso que has seguido. Te será útil en un futuro para ti y para quien lo lea :) Lo único es que, en los notebooks, intenta imprimir los resultados a medida que vayas transformando el dataset. Puedes hacerlo con .head, .tail o .sample, para ir viendo lo que pasa pero no imprimir todo y que quede un documento muy largo. De esta manera, me ayuda a seguir lo que pasa en tus funciones. Ya cuando lo pases a archivos .py puedes dejarlo más limpio.
Genial por otro lado, porque ya has puesto el código en funciones!!!!!! Para este proyecto quizás no lo has acabado de encapsular en archivos .py dentro de src/, pero no pasa nada! Para el segundo proyecto no se deberán limpiar tanto los datos y tendrás más tiempo para dedicarle a estas cosas. Verás que cuando se encapsula el código queda mucho más ordenado y escalable!
🎨 Visualizations
La visualización está bien, no tengo mucho a comentar. Los gráficos están bien escogidos, tiene títulos, labels y se entiende lo que quieres mostrar sin que lo tengas que explicar. Lo único que te diría es que ojo con poner los años como floats (fatal sharks attacks between 1990 and 2015), confunde un poco.
✍🏽 Readme
En general muy bien explicado y muy fluido de leer!!! Se entiende que has usado, lo que has hecho en tu proceso de trabajo y tus argumentos y conclusiones. Lo único que añadiría es referenciar el origen de tus datos (ya sea en un nuevo apartado "Dataset" o en los links al final del readme).
Congratulazioni!!!!! Primer proyecto superado, a por el siguiente 🌻✨
luciaaguzzoni
https://github.com/luciaaguzzoni/project-I