Dashboard de Tenis en Tiempo Real con WebSocket y JavaScript

Imagen
¿Por qué utilizar WebSocket en lugar de una API REST? El caso de Tennis API Cuando trabajamos con APIs, normalmente pensamos en solicitudes HTTP tradicionales donde una aplicación consulta información cada cierto tiempo. Sin embargo, para aplicaciones que requieren datos en tiempo real, existe una alternativa mucho más eficiente: WebSocket. Mientras exploraba las capacidades de Tennis API encontré su integración mediante Socket.IO, una tecnología que permite recibir actualizaciones en tiempo real sin necesidad de realizar consultas constantes al servidor. ¿Cómo funciona una API REST tradicional? Con una API REST, la aplicación debe preguntar periódicamente si existen nuevos datos. Por ejemplo: setInterval(async () => { const response = await fetch("/live-scores"); const data = await response.json(); console.log(data); }, 5000); En este caso la aplicación realiza una consulta cada 5 segundos. El problema es que muchas veces no existe información nue...

📊 Cómo Analicé 10 Años de Divorcios en México con Python ¡Y cómo puedes hacerlo tú!

Análisis de divorcios en México con Python y datos del INEGI (Proyecto real de Ciencia de Datos)

¿Alguna vez te has preguntado qué estados de México tienen las tasas de divorcio más altas y cómo analizarlo con datos reales? En este proyecto práctico de Ciencia de Datos con Python, trabajé directamente con microdatos oficiales del INEGI para responder esa pregunta.

El resultado es un mapa interactivo profesional que permite explorar visualmente los divorcios en México, normalizados por cada 1,000 habitantes, usando herramientas reales que se utilizan en el mundo laboral.

¿Qué aprenderás con este proyecto?

  • Consolidación masiva de datos: lectura automática de más de 9 archivos CSV desde una carpeta.
  • Limpieza de datos reales: solución a errores de codificación (UTF-8 vs Latin1) y cruces con catálogos oficiales del INEGI.
  • Análisis estadístico: normalización de tasas por población para comparaciones correctas entre estados.
  • Visualización geoespacial: creación de mapas Choropleth interactivos con Folium y popups dinámicos.

Fuente de datos: INEGI (datos oficiales)

Todos los datos utilizados en este análisis provienen de fuentes oficiales del INEGI, utilizando los registros de divorcios del 2017 al 2024.

Los archivos se descargan de forma masiva y se almacenan como archivos ZIP, los cuales posteriormente son procesados automáticamente en Python.

Notebook profesional listo para usar

Para ahorrar horas de depuración y pruebas, preparé un Jupyter Notebook profesional, completamente documentado y listo para ejecutar.

👉 Descárgalo aquí: https://zelideth.gumroad.com/l/guovg

Incluye:

  • Código limpio y organizado
  • Catálogos de población ya procesados
  • Diccionarios y normalizaciones listas
  • Mapa interactivo funcional

Video: Notebook en ejecución

Este proyecto es ideal si estás aprendiendo Python, Pandas, visualización de datos o si quieres construir un portafolio real de Ciencia de Datos.

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

👉 Cómo obtener el tipo de cambio en Excel con API de Banxico (paso a paso)

Macro en Word para automatizar documentos: genera diplomas en segundos (con código VBA)