Revisión y Mejora de Proyectos Estudiantiles

Clase 42 de 44 • Curso de Python: Comprehensions, Funciones y Manejo de Errores

Contenido del curso

Introducción

1
Curso Intermedio de Python: Manejo de Errores y Conceptos Avanzados
05:58 min

Conjuntos

Comprehensions

Funciones

Módulos

Manipulación de archivos y errores

Gráficas en Python

Próximos pasos

Tomar examen

Esta clase es especial. Antes de mostrarte los siguientes pasos, quiero que te tomes un tiempo para acceder y conocer algunos proyectos que han creado otros estudiantes, quienes ya finalizaron el curso.

Población de un país por año y de países por continente
Gráfica de sistemas operativos
Clasificación de pacientes por nivel de glucosa en sangre
Proyectos que te permitirán reconocer tu propio avance, así como saber qué elementos o visiones no consideraste, siendo el momento indicado para incluirlos y una oportunidad de implementación hacia un proyecto o iniciativa a futuro en tu contexto más cercano.

Recuerda que la experimentación, validación y ajustes te ayudan a entender constantemente tu proceso ¡Deja de lado el miedo a errar, que es parte de la experiencia, y disfruta experimentar en todo momento!

No olvides compartir tu proyecto; los demás también podrán aprender de tu resultado.

Comentarios

Alejandro López

student•

El método open() es un generador, entender los métodos: read() readline() readlines() y cómo operan sobre el archivo .csv que es lo mismo que .txt y sobre esto aplicar la comprehension, las filter() y map() es todo lo que hay qué saber para dominar los datos estructurados. Claro que con las expresiones regulares se reducen las líneas de código pero, creo que es más difícil escalar sus aplicaciones. Larga vida a Platzi

Iván Espíndola

student•

El enlace de Gráfica de sistemas operativos ya no está disponible :(

Javier Marin Ayza

student•

Es una lástima esta bien ver código de otros y aprender otras maneras de hacer en proyectos diferentes en aplicaciones al mundo real

Sara María Mejia Sánchez

student•

Genial conocer implementaciones de otros estudiantes de lo aprendido en este curso! Fue muy enriquecedor y productivo, ahora a implementarlo en todos los ámbitos que se nos pueda ocurrir!

Raúl Camacho

student•

Considero también que es excelente poder más o menos que clase de funciones o programas han elaborado.

Pablo Alejandro Figueroa

student•

# Importar las bibliotecas necesarias
import pandas as pd
import matplotlib.pyplot as plt

# Leer el archivo CSV con datos de población mundial
df = pd.read_csv('world_population.csv')

# Solicitar al usuario que ingrese el nombre del país
while True:
    nombre_pais = input("Ingrese el nombre del país: ")

    # Verificar si el país está en el DataFrame
    if nombre_pais in df["Country"].values:
        break  # Salir del bucle si el país es válido
    else:
        print("¡País no encontrado! Por favor, ingrese un país válido.")

# Especificar el nuevo orden de las columnas invirtiendo la lista original
desired_order = [
    '1970 Population', 
    '1980 Population', 
    '1990 Population', 
    '2000 Population', 
    '2010 Population', 
    '2015 Population', 
    '2020 Population', 
    '2022 Population'
]
data = df.loc[df["Country"] == nombre_pais, desired_order]

# Crear un gráfico de barras con los datos seleccionados
# Añadir width para especificar el ancho de las barras
plt.bar(data.columns, data.values[0], width=0.6)  

# Configurar el tamaño de la figura
plt.rcParams['figure.figsize'] = (5, 4)  # Ajustar el tamaño según sea necesario

# Rotar las etiquetas del eje x para mejorar la legibilidad
# Cambiar las etiquetas del eje x
nuevas_etiquetas = ['1970', '1980', '1990', '2000', '2010', '2015', '2020', '2022']
plt.xticks(data.columns, nuevas_etiquetas, rotation=45)

# Marcar el eje y con líneas punteadas para indicar el tamaño de la población
for columna, valor_poblacion in zip(data.columns, data.values[0]):
    plt.axhline(
        y=valor_poblacion, 
        color='gray', 
        linestyle='--', 
        linewidth=0.8)
    
    plt.text(
        columna, 
        valor_poblacion, 
        f'{valor_poblacion:,}', 
        va='bottom', ha='right', 
        fontsize=8, color='black'
    )

# Agregar el nombre del país al gráfico
plt.text(
    0.5, 
    1.1, 
    f'País: {nombre_pais}', 
    transform=plt.gca().transAxes, 
    ha='center', 
    va='center', 
    fontsize=20, 
    color='black'
)


# Mostrar el gráfico
plt.show()

Camila Púa

student•

¿Cuál es la mejor forma para publicar mi proyecto en GitHub? ¿Debo hacer algo en especial porque utilizamos matplotlib?

Daniel Felipe Ospina Guarnizo

student•

Acabo de terminar mi primer proyecto por fin, por si alguien le quiere echar un vistazo, siento que me esforcé jeje

Menta Health Study

Eliana Ossio

student•

Apliqué los conocimientos para hacer una gráfica de barras de la emisión total de CO2 (en millones de toneladas métricas) procedente del uso del consumo de hidrocarburos del periodo 1973 al 2023. La fuente de los datos es la U.S. Energy Information Administration

Aquí presento el código:

```js import utils import read_csv import charts

def run(): data = read_csv.read_csv('./app/Carbon_Dioxide_Emissions1.csv')

annual = list(map(lambda x: x['Annual'], data)) total_co2 = list(map(lambda x: int(x['Total Energy']), data))

charts.generate_bar_chart(annual, total_co2)

if name == 'main': run()


![](https://static.platzi.com/media/user_upload/proyecto-142f67e4-a3d1-4dc0-81c0-901ec4e6d9ef.jpg)

Brandon Vargas

student•

Me gustó mucho ver que el estudiante usó la función de .reverse para ordenar los datos de forma ascendente y poder graficar la población mucho mejor. Ver la forma de resolver problemas de los demás es muy interesante!

David Antonio Morales Barrera

student•

Excelentes proyectos

Pablo Alejandro Figueroa

student•

genial..!

LUIS FELIPE MORA LESMES

student•

Tuve problemas con la consulta dle primer proyecto en la lista, se enlace a otro tema

Wilson Balaguera

student•

El primer proyecto no enruta bien sale un ejercicio de "hola mundo"

Roberto Bravo

student•

Asi quedo mi funcion en utils

def getWorldPopulationPercentage(data):
    countries = list(map(lambda item: item['Country/Territory'], data))
    percentages = list(map(lambda item: float(item['World Population Percentage']), data))
    return countries, percentages
```Asi quedo mi codigo en main

```js
continent = input("Que continente quieres revisar? ")
    filtered = list(filter(lambda x: x['Continent'] == continent, data))
    countries, percentages = utils.getWorldPopulationPercentage(filtered)
    charts.generate_bar_char(countries, percentages)

Raúl Camacho

student•

Comparto mi miniproyecto, también lo publique en github.

Se en este profundicé en la experiencia de cada estado del archivo, también cree un menú para que el usuario eligiera la opción que fuere.

Quizàs puede ser util para cualquier otro ambito.

Raúl Camacho

student•

Ya he visualizado y básicamente aplicación de lo que hemos visto, eso me parece super porque así afianzamos nuestros conocimientos y también nos exige complementar otros.

german.olvera

student•

El proyecto de análisis de glucosa está interesante, más complejo y aplican mucho de lo aprendido excelente aporte. gracias

Anthony Jafeth Arias Robleto

student•

Acá les dejo un proyexto bastante básico que hice con los conocimientos del curso, pero creo que les puede servir

Guillermo Gustavo Corea Castillo

student•

les Invito a revisar el codigo que he escrito para hacer revision y/o comparaciones con alguna idea similar el codigo utilizado es el siguiente:

import csv

import matplotlib.pyplot as plt

def read_csv(path):

with open(path, "r") as csvfile:

reader = csv.reader(csvfile, delimiter=",")

header = next(reader)

data = []

for row in reader:

iterable = zip(header, row)

country_dict = {key: value for key, value in iterable}

data.append(country_dict)

return data

def filter_data_by_continent(data, continent):

return [country for country in data if country['Continent'] == continent]

def extract_population_by_year(countries, years):

population_by_year = {year: 0 for year in years}

for year in years:

population_by_year[year] = sum(int(country[year]) for country in countries)

return population_by_year

def plot_population(south_america_pop, north_america_pop, years):

index = range(len(years))

plt.figure(figsize=(12, 6))

plt.bar(index, south_america_pop, width=0.4, alpha=0.6, label='South America')

plt.bar(index, north_america_pop, width=0.4, alpha=0.6, label='North America', bottom=south_america_pop)

plt.xlabel('Year')

plt.ylabel('Population')

plt.title('Population of South America and North America Over the Years')

plt.xticks(index, years, rotation=45)

plt.legend()

plt.tight_layout()

plt.show()

if __name__ == "__main__":

data = read_csv("./app/data.csv")

years = ['1970 Population', '1980 Population', '1990 Population', '2000 Population', '2010 Population', '2015 Population', '2020 Population', '2022 Population']

south_america = filter_data_by_continent(data, 'South America')

north_america = filter_data_by_continent(data, 'North America')

south_america_population = extract_population_by_year(south_america, years)

north_america_population = extract_population_by_year(north_america, years)

south_america_pop_values = [south_america_population[year] for year in years]

north_america_pop_values = [north_america_population[year] for year in years]

plot_population(south_america_pop_values, north_america_pop_values, years)

y con eso obtuve :

Braulio Rangel

student•

PROYECTO "menú selector de filas y columnas para cualquier archivo"

import csv


def leer(path):
  with open(path, "r") as archivo_csv:
    texto = csv.reader(archivo_csv, delimiter = ",")
    cabecera_de_titulos = next(texto)
    lista_de_numeros = ["NUMEROS"] #7
    lista_de_titulos = ["TITULOS"] #7
    numero = 0
    ################# CABECERA TITULO
    for fila in  (cabecera_de_titulos):
      numero += 1
      lista_de_numeros.append(numero)
      lista_de_titulos.append(fila.split(" ")[0].capitalize())   
    espacio_de_numeros = (max(len(str(numeros)) for numeros in lista_de_numeros)) # 7
    espacio_de_titulos = (max(len(titulos) for titulos in lista_de_titulos)) # 9
    print("ruta ",path)
    ################# CABECERA FILA
    seleccion = True
    mensaje = "Número o Texto "
    while seleccion:
      print(" ","=" * (4 +( espacio_de_numeros + espacio_de_titulos)))# ARRIBA  
      for fila in range(len(lista_de_titulos)):
        print(f"  |{str(lista_de_numeros[fila]).center(espacio_de_numeros)}|{str(lista_de_titulos[fila]).center(espacio_de_titulos + 2)}|")
      print(" ","=" * (4 +( espacio_de_numeros + espacio_de_titulos)))# ABAJOt()
      ################# SELECCION  
      cabecera = " "
      opcion = input(mensaje,) 
      if opcion:
        try:
          if opcion.capitalize() in lista_de_titulos:  
            opcion = lista_de_titulos.index(opcion.capitalize())
            cabecera = (lista_de_titulos[opcion]).upper()
            break
          if int(opcion) in lista_de_numeros: 
            cabecera = (lista_de_titulos[int(opcion)]).upper()
            break
        except ValueError:
          print("No valido ")
   ################ CABECERA COLUM         
  with open(path, "r") as archivo_csv:
    texto = csv.reader(archivo_csv, delimiter = ",")
    lista_de_filas = lista_de_columnas = []  
    for lista_de_filas in texto: 
      lista_de_columnas.append(lista_de_filas[int(opcion)-1])
    lista_de_columnas.pop(0)
    lista_de_columnas.insert(0,cabecera) 
    espacio_de_columnas = (max(len(columna) for columna in lista_de_columnas))# 9
      
    print(" ","=" * (4 +(espacio_de_columnas)))# ARRIBA
    for numero_de_columnas in lista_de_columnas:
      print(f"  |{numero_de_columnas.center(espacio_de_columnas + 2)}|")
    print(" ","=" * (4 +(espacio_de_columnas)))# ABAJOt()


leer("dat/datos.csv")

Braulio Rangel

student•

GIT HUB Link: https://gist.github.com/13raul10/59444f827840d23dd120be45a41017d5

Maryam del Mar Correa

student•

Mi proyecto de práctica:

# Importar las bibliotecas necesarias
import pandas as pd
import matplotlib.pyplot as plt

# Leer el archivo CSV con datos de población mundial
df = pd.read_csv('world_population.csv')

# Solicitar al usuario que ingrese el nombre del país
while True:
    nombre_pais = input("Ingrese el nombre del país: ")

    # Verificar si el país está en el DataFrame
    if nombre_pais in df["Country"].values:
        break  # Salir del bucle si el país es válido
    else:
        print("¡País no encontrado! Por favor, ingrese un país válido.")

# Especificar el nuevo orden de las columnas invirtiendo la lista original
desired_order = [
    '1970 Population', 
    '1980 Population', 
    '1990 Population', 
    '2000 Population', 
    '2010 Population', 
    '2015 Population', 
    '2020 Population', 
    '2022 Population'
]
data = df.loc[df["Country"] == nombre_pais, desired_order]

# Crear un gráfico de barras con los datos seleccionados
# Añadir width para especificar el ancho de las barras
plt.bar(data.columns, data.values[0], width=0.6)  

# Configurar el tamaño de la figura
plt.rcParams['figure.figsize'] = (5, 4)  # Ajustar el tamaño según sea necesario

# Rotar las etiquetas del eje x para mejorar la legibilidad
# Cambiar las etiquetas del eje x
nuevas_etiquetas = ['1970', '1980', '1990', '2000', '2010', '2015', '2020', '2022']
plt.xticks(data.columns, nuevas_etiquetas, rotation=45)

# Marcar el eje y con líneas punteadas para indicar el tamaño de la población
for columna, valor_poblacion in zip(data.columns, data.values[0]):
    plt.axhline(
        y=valor_poblacion, 
        color='gray', 
        linestyle='--', 
        linewidth=0.8)
    
    plt.text(
        columna, 
        valor_poblacion, 
        f'{valor_poblacion:,}', 
        va='bottom', ha='right', 
        fontsize=8, color='black'
    )

# Agregar el nombre del país al gráfico
plt.text(
    0.5, 
    1.1, 
    f'País: {nombre_pais}', 
    transform=plt.gca().transAxes, 
    ha='center', 
    va='center', 
    fontsize=20, 
    color='black'
)


# Mostrar el gráfico
plt.show()

def getWorldPopulationPercentage(data):
    countries = list(map(lambda item: item['Country/Territory'], data))
    percentages = list(map(lambda item: float(item['World Population Percentage']), data))
    return countries, percentages
```Asi quedo mi codigo en main

```js
continent = input("Que continente quieres revisar? ")
    filtered = list(filter(lambda x: x['Continent'] == continent, data))
    countries, percentages = utils.getWorldPopulationPercentage(filtered)
    charts.generate_bar_char(countries, percentages)

import csv


def leer(path):
  with open(path, "r") as archivo_csv:
    texto = csv.reader(archivo_csv, delimiter = ",")
    cabecera_de_titulos = next(texto)
    lista_de_numeros = ["NUMEROS"] #7
    lista_de_titulos = ["TITULOS"] #7
    numero = 0
    ################# CABECERA TITULO
    for fila in  (cabecera_de_titulos):
      numero += 1
      lista_de_numeros.append(numero)
      lista_de_titulos.append(fila.split(" ")[0].capitalize())   
    espacio_de_numeros = (max(len(str(numeros)) for numeros in lista_de_numeros)) # 7
    espacio_de_titulos = (max(len(titulos) for titulos in lista_de_titulos)) # 9
    print("ruta ",path)
    ################# CABECERA FILA
    seleccion = True
    mensaje = "Número o Texto "
    while seleccion:
      print(" ","=" * (4 +( espacio_de_numeros + espacio_de_titulos)))# ARRIBA  
      for fila in range(len(lista_de_titulos)):
        print(f"  |{str(lista_de_numeros[fila]).center(espacio_de_numeros)}|{str(lista_de_titulos[fila]).center(espacio_de_titulos + 2)}|")
      print(" ","=" * (4 +( espacio_de_numeros + espacio_de_titulos)))# ABAJOt()
      ################# SELECCION  
      cabecera = " "
      opcion = input(mensaje,) 
      if opcion:
        try:
          if opcion.capitalize() in lista_de_titulos:  
            opcion = lista_de_titulos.index(opcion.capitalize())
            cabecera = (lista_de_titulos[opcion]).upper()
            break
          if int(opcion) in lista_de_numeros: 
            cabecera = (lista_de_titulos[int(opcion)]).upper()
            break
        except ValueError:
          print("No valido ")
   ################ CABECERA COLUM         
  with open(path, "r") as archivo_csv:
    texto = csv.reader(archivo_csv, delimiter = ",")
    lista_de_filas = lista_de_columnas = []  
    for lista_de_filas in texto: 
      lista_de_columnas.append(lista_de_filas[int(opcion)-1])
    lista_de_columnas.pop(0)
    lista_de_columnas.insert(0,cabecera) 
    espacio_de_columnas = (max(len(columna) for columna in lista_de_columnas))# 9
      
    print(" ","=" * (4 +(espacio_de_columnas)))# ARRIBA
    for numero_de_columnas in lista_de_columnas:
      print(f"  |{numero_de_columnas.center(espacio_de_columnas + 2)}|")
    print(" ","=" * (4 +(espacio_de_columnas)))# ABAJOt()


leer("dat/datos.csv")

Revisión y Mejora de Proyectos Estudiantiles

Introducción

Curso Intermedio de Python: Manejo de Errores y Conceptos Avanzados

Conjuntos

Conjuntos en Python: Propiedades y Uso Práctico

Manipulación de Conjuntos: Agregar, Remover y Actualizar Elementos

Operaciones Fundamentales con Conjuntos en Python

Playgrounds: Elimina elementos duplicados usando conjuntos

Comprehensions

List Comprehension en Python: Sintaxis y Ejemplos Prácticos

Comprensión de Diccionarios en Python: Ejemplos y Aplicaciones

Dictionary Comprehension con Condicionales en Python

Playgrounds: Crea una lista usando List Comprehension

Comparación de Listas, Tuplas y Conjuntos en Python

Funciones

Funciones en Programación: Creación y Uso en Python

Funciones en Python: Retorno de Valores y Reutilización de Código

Funciones en Python: Retorno múltiple y valores por defecto

Entendiendo el Scope en Python: Variables y Funciones

Refactorización de Juegos en Python: Uso de Funciones

Playgrounds: Tienda de Tecnología

Funciones Lambda en Python: Sintaxis y Aplicaciones Prácticas

Funciones de Orden Superior en Python: Concepto y Ejemplos Prácticos

Uso de la función map en Python para transformar listas

Transformaciones con Map en Diccionarios Complexos

Manejo de referencias en memoria con diccionarios y map en Python

Playgrounds: Multiplica todos los elementos por dos

Filtrado de listas con Filter en Python

Playgrounds: Retorna solo palabras de 4 letras y más

Uso de Reduce en Python para Manipular Listas

Módulos

Módulos en Python: Uso y Ejemplos Prácticos

Creación y Uso de Módulos en Python

Manejo de la dualidad de módulos en Python: script y módulo

Paquetes en Python: Creación y Uso de Módulos

Playgrounds: Calcular la suma de todas las compras

Manipulación de archivos y errores

Control manual de iteradores en Python con next

Errores y Excepciones en Python: Identificación y Manejo Básico

Manejo de Errores en Python: Uso de Try y Except

Playgrounds: Captura la excepción: ZeroDivisionError

Lectura y manejo de archivos de texto en Python

Lectura y escritura de archivos de texto en Python

Procesamiento de Archivos CSV en Python para Análisis de Datos

Playgrounds: Lee un CSV para calcular el total de gastos

Gráficas en Python

Gráficas con Matplotlib: Bar Chart y Pie Chart en Python

Proyecto Final: Análisis Poblacional con Python y Gráficas

Gráficos de Torta con Datos Filtrados en Python

Próximos pasos

Revisión y Mejora de Proyectos Estudiantiles

Reconoce tu proceso y certifícate

Manejo Avanzado de Estructuras de Datos en Python