¿Qué nos dicen los datos sobre la temporada de Kimi Antonelli en la Fórmula 1? Más allá de las victorias y los podios, podemos utilizar herramientas de programación para estudiar su rendimiento, comparar resultados y transformar los datos en visualizaciones fáciles de interpretar. En este proyecto de Programación para Todos utilizamos una API de datos de Fórmula 1, Python y gráficas para construir un dashboard técnico dedicado a la temporada 2026 de Kimi Antonelli, piloto de Mercedes. El objetivo es mostrar cómo se conectan tres áreas: la obtención de datos, su procesamiento con Python y su presentación mediante visualizaciones. 1. Los datos: consultar una API de Fórmula 1 Una API permite solicitar información a un servicio externo mediante peticiones estructuradas. En lugar de capturar manualmente los resultados de cada carrera, podemos consultar los datos disponibles y procesarlos mediante código. Para este proyecto trabajamos con información relacionada con los pilotos,...

¿En qué estados de México se registraron más matrimonios igualitarios durante 2025? 🌈📊 En este artículo analizamos los datos de la Estadística de Matrimonios del Instituto Nacional de Estadística y Geografía (INEGI) utilizando Python para explorar la distribución de estos registros por entidad federativa. Con herramientas como Pandas, GeoPandas y Matplotlib, podemos transformar archivos estadísticos en gráficas y mapas que facilitan la interpretación de los datos. ¿Cómo realicé el análisis con Python? Para este análisis utilicé el conjunto de datos de matrimonios de 2025 del INEGI. Primero, cargué el archivo CSV con Pandas y clasifiqué los registros según el sexo de las personas contrayentes. Después identifiqué los matrimonios entre personas del mismo sexo y agrupé los registros por entidad federativa. Finalmente, utilicé información geográfica de México para representar los resultados en un mapa. ¿Qué estados registraron más matrimonios igualitarios en 2025? Los datos...

¿Qué podemos descubrir sobre una carrera de Fórmula 1 utilizando datos? En este análisis del Gran Premio de Singapur 2026 vamos a trabajar con una API deportiva, Python y Pandas para obtener resultados, comparar posiciones y generar visualizaciones que nos permitan responder preguntas concretas. El objetivo no es solamente consultar quién terminó primero, sino analizar la diferencia entre la parrilla de salida y el resultado final, identificar remontadas y detectar qué pilotos perdieron posiciones durante la carrera. 1. Herramientas utilizadas API de Fórmula 1: servicio disponible a través de RapidAPI para consultar datos de carreras. Python: lenguaje utilizado para realizar las solicitudes y procesar los resultados. Requests: biblioteca para realizar solicitudes HTTP. Pandas: biblioteca para transformar los datos JSON en tablas y realizar cálculos. Matplotlib y Pillow: herramientas que podemos utilizar para crear gráficas e imágenes para nuestros análisis y Shorts. ...

¿Qué podemos aprender de los datos de una carrera de Fórmula 1? Una carrera de Fórmula 1 genera una gran cantidad de datos. Pero tener los datos no es suficiente: necesitamos saber qué preguntas queremos responder . En este proyecto vamos a utilizar el GP de Bahréin 2026 como ejemplo para aprender cómo podemos obtener, transformar, analizar y visualizar datos deportivos utilizando Python . La idea es sencilla: los datos ya están ahí; solo necesitamos aprender qué preguntarles. 🏎️ El GP de Bahréin 2026 como proyecto de Data Science Para este análisis utilizamos datos de la carrera de Bahréin 2026 obtenidos mediante una API de Fórmula 1. A partir de esos datos podemos construir nuestras propias preguntas y encontrar patrones interesantes. En lugar de limitarnos a conocer quién ganó la carrera, vamos a analizar tres aspectos: ¿Quiénes abandonaron la carrera? ¿Quiénes recuperaron más posiciones? ¿Quiénes perdieron más posiciones? Este tipo de preguntas son u...

¿Qué podemos analizar con los datos de una carrera de F1? Ejemplo con el GP de Baku 2026 y Python Cuando pensamos en analizar una carrera de Fórmula 1, normalmente pensamos en preguntas como: ¿Quién ganó? ¿Quién quedó segundo? ¿Quién hizo la vuelta más rápida? Pero cuando tenemos los datos de la carrera , podemos hacer muchas más preguntas. Y ahí es donde comienza realmente el análisis de datos. En este proyecto utilicé datos del Gran Premio de Azerbaiyán 2026 y Python para demostrar una idea muy sencilla: No siempre necesitamos más datos. Muchas veces necesitamos aprender a mirar los datos que ya tenemos de otra manera. 🏎️ De una tabla de resultados a un análisis de datos Los datos obtenidos de la API contienen información como: Piloto Equipo Posición final Posición de salida Vueltas completadas Estado de la carrera Información del piloto y del equipo A primera vista parece simplemente una tabla de resultados. Pero podemos comenzar a hacer pre...

21 personajes del Spirit World encontrados con una API de Avatar y Python ¿Cuántos personajes relacionados con el Spirit World podemos encontrar en el universo de Avatar: The Last Airbender ? En este proyecto combinamos una API REST, Python y Pandas para explorar un conjunto de datos de personajes de Avatar y encontrar aquellos cuya afiliación está relacionada con el Spirit World . El resultado fue bastante interesante: después de consultar todos los registros, encontramos 21 personajes asociados con el Spirit World en los datos proporcionados por la API. 🌌 ¿Qué API utilizamos? Para este análisis utilizamos la Last Airbender API , una API REST que proporciona información sobre personajes del universo de Avatar. El endpoint utilizado para obtener los personajes es: https://last-airbender-api.fly.dev/api/v1/characters La respuesta está formada por registros JSON que contienen infor...