¿Cómo integrarnos un proyecto a partir de diferentes componentes aprendidos?
La educación profesional en plataformas como Platzi ofrece la oportunidad de consolidar conocimientos aprendidos en diferentes módulos para formar un sólido proyecto final. En este contexto, hemos trabajado previamente con funciones, comprehensions y manejo de excepciones, y ahora llegamos a un punto clave: unir todos estos elementos para resolver un reto mucho más amplio usando un CSV de datos poblacionales.
¿En qué consiste el reto propuesto?
El desafío consiste en procesar un CSV que contiene datos poblacionales de varios países a lo largo de diferentes años, seleccionar un país específico y extraer únicamente las columnas relacionadas con sus años poblacionales (ej. 2022, 2020, etc.). Datos adicionales como rango, capital, continente, etc., no serán relevantes en esta ocasión. Se busca organizar esta información para poder graficarla en un Varchar.
¿Cómo logramos seleccionar y preparar los datos?
Para enfrentar este desafío, se debe transformar cada fila del CSV en un formato de diccionario usando las claves de las columnas y sus respectivos valores. Por ejemplo, si seleccionamos Argentina, queremos solamente sus datos de población a lo largo de los años. A continuación, organizamos los datos obtenidos en un formato que sea fácil de graficar.
Fragmento de código Python
def getPolization(countryDic):
populationDic = {
"2022": 0,
"2020": 0,
"2015": 0,
"2010": 0,
"2000": 0,
"1990": 0,
"1980": 0,
"1970": 0
}
for year in populationDic:
key = f"{year} Population"
if key in countryDic:
populationDic[year] = int(countryDic[key])
labels = list(populationDic.keys())
values = list(populationDic.values())
return labels, values
¿Cómo integrarse y visualizar los datos?
Una vez procesados los datos, se deben integrar otros componentes desarrollados a lo largo del curso. Importaremos módulos previamente creados como read_csv
para leer el CSV y charts
para graficar la información extraída.
Fragmento de código para generar gráficos
country = input("Introduce el país que deseas graficar: ")
labels, values = getPolization(readCountry(country))
chart.bar_chart(labels, values)
¿Cuál es la importancia de hacer el cast a enteros?
Es fundamental transformar los datos obtenidos del CSV de strings a enteros para que las librerías de gráficos como Matplotlib puedan interpretarlos correctamente y crear las visualizaciones esperadas.
Reflexiones finales: Continuar avanzando
La integración de diversos componentes en un proyecto te inicia en el camino de construir soluciones completas y funcionales. Reconoce que has alcanzado un hito importante, pero el aprendizaje nunca se detiene. Mantente curioso y sigue avanzando hacia nuevos desafíos. ¡Adelante con la próxima clase donde enfrentaremos más retos!
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?