Análisis de redes sociales con minería de datos: ¿Quién usa qué plataforma?

Imagen
Análisis Demográfico de las Redes Sociales: Un Enfoque desde la Ciencia de Datos En la era digital, las redes sociales se han convertido en una fuente masiva de datos útiles para entender comportamientos humanos, segmentar audiencias y tomar decisiones estratégicas. Desde la perspectiva de la minería de datos y la ciencia de datos (data science), analizar los patrones demográficos de plataformas como Facebook, Instagram o TikTok ofrece un terreno fértil para extraer conocimiento. ¿Quién usa qué red social? Los datos más recientes sobre la distribución por género en redes sociales revelan patrones interesantes: Facebook : Con más de 3 mil millones de usuarios activos mensuales, es la red social más usada del mundo. Tiene una distribución bastante equilibrada: aproximadamente 51% mujeres y 49% hombres. Pinterest : Predominantemente femenina, con alrededor del 76% de sus usuarios identificados como mujeres. Reddit : Mayoritariamente masculina, con 63.6% hombres y 35.1% mujeres...

📊 Ejemplos de Python para Hacer Gráficas: Visualiza tus Datos con Matplotlib

Como hemos visto en otras publicaciones del blog Python es un lenguaje muy amigable y con muchas librarías que permiten apoyarnos para realizar tareas de la manera más ágil.

En esta ocasión quiero mostrarles como pueden hacer para mostrar datos en mapas, por ejemplo si quieren representar en el mapa de México la cantidad de universidades por cada estado y obtener una imagen como la siguiente:

Ejemplo de gráficos en Python creados con Matplotlib para visualizar datos.

Tendremos que utilizar las librería 

  •  geopandas
  •  matplotlib.pyplot 
  •  numpy 
  •  pandas 

Para este ejemplo necesitamos:


Vamos a utilizar el siguiente código

import geopandas as gpd
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

direccion = 'tu directorio //mexican-states-master'
direccion2 = 'tu directorio\\carpeta\\'
shapefile = gpd.read_file(direccion+'\mexican-states.shp')
shapefile.head(5)
estados = pd.read_csv(direccion2+'UniMex.csv',encoding='UTF-8',low_memory=False)
estados.head(5)
shapefile = shapefile.merge(
                     right = estados,
                     left_on = 'name',
                     right_on = 'Estado',
                     how = 'left'
                     )
shapefile.plot(column = 'Numero_Universidades',
               legend = True, 
            legend_kwds = {
              'label': "Número de Universidades",
              'orientation': "horizontal"
              },
            cmap = 'Greens')


Les comparto un vídeo demostrativo del programa





Espero les sea de utilidad y nos compartan.

Comentarios

Publicar un comentario

Dejanos tus dudas y comentarios

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

Entradas más populares de este blog

Guía Práctica: Ejemplo Completo de ASPX para Desarrolladores Web

📊 Automatiza tu trabajo: Convierte tablas de Word a Excel con una macro

Macro de Excel para abrir archivo csv