Python 04: Haciendo uso de la visualización para contar una historia

ergostats commented 9 months ago

🌎 Análisis de Indicadores del Banco Mundial

Fecha limite de entrega: Martes 30 de enero 2024

🎯 Objetivo:

Explorar y analizar un conjunto de indicadores del Banco Mundial para comprender mejor la situación de los países de América Latina en diversos aspectos.

📝 Instrucciones:

Formaremos grupos de hasta 5 personas. Pueden reunirse en Zoom o trabajar individualmente. Dentro de cada grupo, se asignarán los siguientes roles:

📝 Escritor: El encargado de escribir en el script y subirlo al repositorio de Github.
🕵️‍♂️ Analista(s): Brindarán ideas y llevarán a cabo el análisis de los datos.
🗣️ Presentador: Responsable de compartir los resultados del análisis con el resto de la clase.

📊 Tarea:

Visiten el repositorio de indicadores del Banco Mundial.
Se les asignará uno de estos indicadores:
Descarguen los datos en formato de hoja de cálculo, que incluirá una hoja con datos de países y otra con el indicador por país y año.
Usen Python y pandas para analizar los datos. Pueden encontrar el código que usamos en clase aquí:

🔗 Código de Clase en Github

Completen el ejercicio para responder a las siguientes preguntas:
- ¿Cuál es el valor promedio del indicador seleccionado entre los países de América Latina en el año 2020?
- ¿Cómo ha evolucionado este indicador a lo largo del tiempo en América Latina?
- ¿Cómo es el mapa de correlación entre los últimos 5 años de datos disponibles para los países de América Latina?
Si trabajan en grupo, no olviden incluir los nombres de los integrantes en la cabecera del script.

Hints para el Análisis

Uso de melt para Reestructurar Datos:

Cuando se trabaja con datos donde los años están en columnas, melt puede ser muy útil para transformar el DataFrame a un formato más manejable. Aquí hay un ejemplo de cómo usar melt:
# Supongamos que df es tu DataFrame y 'Country Code' es la columna con los códigos de los países
df_melted = df.melt(id_vars=['Country Code'], var_name='Año', value_name='Valor del Indicador')

# Ahora df_melted tendrá una estructura donde cada fila representa un año y un país con su respectivo valor del indicador.
Uso de corr para Mapa de Correlación:

Para visualizar la correlación entre diferentes años, puedes utilizar la función corr de pandas junto con seaborn para crear un mapa de calor:
# Supongamos que ya has filtrado tu DataFrame para incluir solo los años de interés
# df_filtrado es el DataFrame con solo las columnas de los últimos 5 años

# Calcula la matriz de correlación
matriz_correlacion = df_filtrado.corr()

# Usa seaborn para crear un mapa de calor
sns.heatmap(matriz_correlacion, annot=True, cmap="YlGnBu")
plt.title('Mapa de Correlación')
plt.show()

# Este mapa de calor muestra la correlación entre los valores del indicador para cada par de años.
Estos hints te ayudarán a manipular tus datos y a visualizar las relaciones entre ellos de manera efectiva.

camila-s123 commented 9 months ago

Hola con todos: Subo el script sobre el indicador "Tasa de alfabetización de adultos" Los integrantes del grupo son: Shirley Guanochanga Karol Loachamin Juan Morales Kerly Salazar Camila Silva

https://github.com/camila-s123/Indicador-Tasa-de-alfabetizacion/blob/main/alfabetizacion.py

CarlosQuinatoa commented 9 months ago

Hola,

Les comparto nuestro script. Este script trata sobre el indicador "Porcentaje de uso de Internet".

¡Gracias por tomarte el tiempo para revisarlo!

Integrantes: Carlos Quinatoa Christian Gutierrez Kevin Oña Laura Castañeda Andrea Pruna

Dale like si te apetece conocer sobre el tema link: https://github.com/CarlosQuinatoa/Porcentaje-de-uso-de-Internet.

Andres010203 commented 9 months ago

Hola Chicos El tema que escogimos fue las emisiones de CO2 per capita nuestro grupo esta formado por:

Karen Lema Paola Martinez Lady Moran Laidy Michuy Andrés Moreno

Les invito a revisar nuestro proyecto en el siguiente link: https://github.com/Andres010203/Repositorio_python/blob/main/emisiones_de_co2_per_c%C3%A1pita_.py

WiOMG13 commented 9 months ago

Holaa El tema es las emisiones de CO2 por los países de Latinoamérica. Integrantes: Wilson Morales Daniela Herrera Paula Mayo entren y den corazón https://github.com/WiOMG13/EPN/blob/main/API_EN.ATM.CO2E.KT_DS2_es_excel_v2_6301161.xls

jhosue81 commented 9 months ago

Tema Crecimiento del PIB per cápita (% anual) Integrantes:Treicy Diaz Yojaira Farinango Jhosue Cuichán

https://github.com/jhosue81/EPN/blob/main/%23Trabajo%20Grupal.py

krupskayamorocho commented 9 months ago

Hola les comparto mi codigo para el tema de esperanza de vida al nacer de la mujeres Integrantes: Krupskaya Morocho Melissa Chumaña

https://github.com/krupskayamorocho/Curso_python/blob/main/TRABAJO%20GRUPAL.py

ArelizMaila commented 9 months ago

Hola compañeros, les compartimos nuestro trabajo Tema: Emisiones de CO2 per cápita Integrantes: Areliz Maila y Pablo Sarango

Link: https://github.com/ArelizMaila/Curso_python_Anabelle

Jossdayann002 commented 9 months ago

Hola con todos: compartimos nuestro script sobre el porcentaje de uso de internet. Integrantes: Joselyn Allauca Maritza Pilco María Ruano https://github.com/Jossdayann002/curso_python_joss.git

PamelaParedes8 commented 9 months ago

Hola a todos! Les comparto el link de mi script sobre el indicador de acceso a electricidad (% de la población): https://github.com/PamelaParedes8/Curso_python_Paredes Autora: Pamela Paredes

JessErazo commented 9 months ago

Hola con todos, comparto el link de mi repositorio. Indicador: acceso a energía eléctrica. Integrantes: Fernando Morrillo y Jéssica Erazo https://github.com/JessErazo/Curso_Python.git

ergostats / python_nido_buho