Entradas

🏎️ Análisis del GP de Madrid 2026 con Python: abandonos, posiciones, puntos y campeonato de F1

Imagen
🏎️ Análisis del GP de Madrid 2026 con Python El Gran Premio de Madrid 2026 nos dejó varios datos interesantes que podemos analizar utilizando datos de Fórmula 1 y Python. En este análisis vamos a responder cuatro preguntas: 😱 ¿Quiénes abandonaron el GP de Madrid? 🔥 ¿Quién ganó más posiciones durante la carrera? 🏆 ¿Qué equipo consiguió más puntos? 📊 ¿Cuándo podría Mercedes asegurar matemáticamente el campeonato? La idea es utilizar los datos para encontrar historias que no siempre son evidentes al observar solamente el resultado final de la carrera o comparar lo que se vivio en la carrera con los datos. 😱 ¿Quiénes abandonaron el GP de Madrid 2026? No todos los pilotos consiguieron llegar a la bandera a cuadros en Madrid. El análisis de los resultados de la carrera muestra cuatro abandonos. Carlos Sainz Jr fue uno de los abandonos más destacados. El piloto de Williams comenzó desde la P20 y completó 45 vueltas. (Lastima por Sainz en su casa) Tambié...

World Nomad Games 2026: análisis con Python y noticias RSS

Imagen
 Análisis de los World Nomad Games 2026 con Python: noticias, países y disciplinas Los World Nomad Games 2026 reunieron en Kirguistán a atletas de 108 diferentes países para competir en deportes tradicionales, juegos intelectuales y otras disciplinas relacionadas con la cultura nómada. Pero, ¿qué pasa cuando queremos analizar estos Juegos desde el punto de vista de los datos? En este proyecto de Programación Para Todos quisimos responder algunas preguntas utilizando Python: 📅 ¿Cómo evolucionó la cantidad de noticias durante los Juegos? 🌎 ¿Qué países aparecen con mayor frecuencia en los titulares? 🏆 ¿Qué disciplinas tuvieron mayor presencia en las noticias? El problema es que no encontramos una API específica disponible para los World Nomad Games 2026 que pudiéramos utilizar para obtener los datos. Así que decidimos buscar una alternativa: RSS . 🐍 ¿Cómo obtuvimos los datos? En proyectos de análisis deportivo normalmente podemos utilizar una API para obtene...

🏎️ GP de Austria 2026: ¿Quién ganó, quién remontó y quién abandonó?

Imagen
Gran Premio de Austria 2026: análisis de posiciones, remontadas y abandonos con Python El Gran Premio de Austria 2026 nos dejó una carrera con cambios importantes de posiciones, remontadas y cuatro abandonos. En este análisis utilizamos Python y datos obtenidos mediante una API de Fórmula 1 para estudiar qué pilotos ganaron posiciones, quién perdió más lugares desde la largada y qué pilotos no pudieron completar la carrera. Este análisis forma parte de nuestra serie de Sport Analytics de Fórmula 1 , donde utilizamos datos para descubrir historias interesantes dentro de las carreras. 📡 Fuente de datos: API de Fórmula 1 Para obtener los datos utilizamos la API de Fórmula 1 disponible a través de RapidAPI . La API utilizada fue: api-formula-1.p.rapidapi.com Primero consultamos las carreras de la temporada 2026 mediante el endpoint: /races?season=2026 A partir de esta consulta identificamos el Gran Premio de Austria 2026 . El identificador de la carrera f...

Cómo creamos un Short animado de programación con IA

Imagen
Cómo creamos un Short animado de programación con IA ¿Puede la inteligencia artificial ayudarnos a crear un Short animado sobre programación? En ProgramaciónParaTodos decidimos probarlo. Para nuestro primer experimento tomamos una idea de uno de nuestros antiguos memes de programación y la transformamos en una pequeña historia relacionada con una situación cada vez más común: el código generado por inteligencia artificial que después tiene que depurar un programador. 🤖 De un meme a una historia animada La idea original era sencilla: un programador recibe un aviso de que el sistema tiene un error y pasa horas buscando el problema. Pero quisimos actualizar el concepto para llevarlo al mundo actual de la programación: La inteligencia artificial genera el código. El programador confía en que todo funcionará. El programa falla. El programador intenta pedir ayuda a la propia IA. Finalmente tiene que encontrar y corregir el error por sí mismo. El resultad...

Sismos en México: análisis de 363,329 eventos con Python

Imagen
¿Dónde se registran más sismos en México? ¿Las entidades con más eventos también concentran los sismos de mayor magnitud? ¿Qué años destacan? En este proyecto exploramos estas preguntas utilizando datos del Servicio Sismológico Nacional (SSN) y herramientas de Data Science. URL :http://www2.ssn.unam.mx:8080/catalogo/  Los datos: más de 363 mil registros sísmicos Para este análisis utilizamos el catálogo de sismos publicado por el Servicio Sismológico Nacional de la UNAM . El conjunto de datos contiene información sobre eventos sísmicos registrados en México, incluyendo fecha, hora, magnitud, coordenadas geográficas, profundidad y referencia de localización. El catálogo utilizado contiene registros desde agosto de 2000 hasta agosto de 2026 . Después de revisar y preparar la información contamos con: 363,329 eventos sísmicos ...

¿Cuál es el Pokémon más pesado? Análisis con Python y PokeAPI

Imagen
¿Alguna vez te has preguntado cuál es el Pokémon más pesado, cuál pesa menos o cuál es el Pokémon más pequeño? En este proyecto vamos a responder algunas de estas preguntas utilizando Python, Jupyter Notebook, Pandas y PokeAPI . La idea es utilizar los datos disponibles en una API para realizar un pequeño análisis de datos y posteriormente convertir algunos de los resultados en contenido para YouTube Shorts. ¿Qué es PokeAPI? PokeAPI es una API pública que proporciona información sobre Pokémon. Podemos consultar datos como: Nombre del Pokémon ID de la Pokédex Peso Altura Tipos Habilidades Estadísticas Imágenes Movimientos Experiencia base Para este análisis utilizamos el endpoint de Pokémon de PokeAPI. ¿Cuántos Pokémon podemos consultar? Primero podemos consultar cuántos registros están disponibles actualmente en la API. import requests url = "https://pokeapi.co/api/v2/pokemon/?limit=1" response = requests.get(url) data = response.json() ...

🦋 Lupus y enfermedades reumatológicas en México: datos, mortalidad y avance de la Ley Lupus

Imagen
El lupus y otras enfermedades autoinmunes representan un reto importante para los sistemas de salud debido a la complejidad de su diagnóstico, seguimiento y tratamiento. En este análisis utilizo datos de las Estadísticas de Defunciones Registradas (EDR) 2024 del INEGI para explorar cómo se distribuyeron las defunciones relacionadas con enfermedades reumatológicas seleccionadas y, particularmente, con el lupus eritematoso sistémico. Además del análisis de mortalidad, incorporo un segundo componente: el avance de la Ley Lupus y Autoinmunes en las entidades federativas de México. El objetivo es observar los datos desde una perspectiva de Data Science aplicada a salud pública : identificar patrones, concentraciones territoriales y diferencias entre entidades, sin confundir los conteos de defunciones con prevalencia o número de personas que viven con estas enfermedades. 📊 Datos utilizados La fuente principal de este análisis son las Estadísticas de Defunciones Regist...

🚀 Mantener este blog funcionando requiere tiempo y café. ¡Puedes contribuir con uno aquí!