Entradas

Mostrando las entradas con la etiqueta Ciencia de Datos

Cómo unir archivos CSV dentro de ZIP automáticamente con PowerShell

Imagen
Cómo unir archivos CSV dentro de ZIP automáticamente con PowerShell Automatiza la consolidación de reportes CSV provenientes de múltiples archivos ZIP sin duplicar encabezados. Cuando trabajamos con reportes generados por diferentes sistemas es bastante común recibir información distribuida en varios archivos CSV, muchas veces comprimidos dentro de archivos ZIP. Por ejemplo, podemos recibir diariamente: Reportes de facturación. Archivos de pedidos. Información de embarques. Reportes de logística. Archivos generados por un ERP. Información descargada de algún sistema administrativo. Reportes enviados por diferentes sucursales. El problema aparece cuando tenemos que juntar todos esos archivos manualmente. Abrir cada ZIP, extraer el CSV, copiar la información, pegarla en otro archivo y repetir el proceso puede convertirse en una tarea repetitiva y propensa a errores. En este artículo vamos a crear un pequeño script de PowerShell que automatiza este pro...

¿Qué partido del Mundial 2026 deberías volver a ver? 5 análisis con Python para elegir el mejor partido

Imagen
¿Qué partidos del Mundial 2026 vale la pena volver a ver? Un análisis con Python Después de cada Copa del Mundo siempre surge la misma pregunta: ¿Qué partidos realmente vale la pena volver a ver? En lugar de responder con una opinión pe rsonal, analicé todos los partidos del Mundial FIFA 2026 utilizando Python , Pandas y Matplotlib para identificar distintos tipos de encuentros inolvidables. ⚽ Los partidos con más goles. 🛡 Los mejores encuentros defensivos. ⏱ Los partidos que necesitaron tiempo extra. 🥅 Los encuentros definidos por penales. El resultado es una colección de visualizaciones creadas completamente con Python utilizando el dataset del FIFA World Cup 2026. Conjunto de datos disponible en Kaggle, url Football 2026 World Cup Dataset ⚽ Partidos con más goles Si disfrutas los partidos abiertos y llenos de emociones, este ranking es el mejor punto para comenzar. Clasifiqué todos los encuentros según la cantidad total de goles anotados por ambos equi...

Top 15 partidos más emocionantes del Mundial FIFA 2026 con Python | Sport Analytics

Imagen
Top 15 partidos más emocionantes del Mundial FIFA 2026 con Python | Sport Analytics Cuando pensamos en el mejor partido de una Copa del Mundo normalmente recordamos las emociones que vivimos frente a la pantalla. Sin embargo, desde la perspectiva del Sport Analytics , surge una pregunta muy interesante. ¿Es posible medir qué tan emocionante fue un partido utilizando únicamente datos? En este proyecto desarrollé un modelo con Python , Pandas y Matplotlib para identificar los 15 partidos más emocionantes del Mundial FIFA 2026 utilizando estadísticas ofensivas del juego. El objetivo no es reemplazar la emoción de los aficionados, sino demostrar cómo la ciencia de datos puede complementar nuestra percepción mediante métricas objetivas. 📊 Origen de los datos Para este análisis utilicé el mismo Football 2026 World Cup Dataset de Kaggle empleado en artículos anteriores de esta serie. Eventos del partido Expected Goals (xG) Posesión del balón Tiros y tiros a puerta ...

Análisis de la Copa Mundial FIFA 2026 con Python: Estadísticas, eficiencia ofensiva y visualizaciones

Imagen
  Análisis de la Copa Mundial FIFA 2026 con Python: Estadísticas, eficiencia ofensiva y visualizaciones antes de las semifinales La ciencia de datos ofrece una excelente oportunidad para descubrir patrones que muchas veces pasan desapercibidos durante un partido de fútbol. En este proyecto utilizaremos Python , Pandas y Matplotlib para analizar información estadística de la Copa Mundial FIFA 2026 a partir de un conjunto de datos disponible en Kaggle, url  Football 2026 World Cup Dataset Más allá de obtener tablas y gráficos, el objetivo es responder preguntas interesantes como: ¿Qué selección fue la más eficiente frente al arco? ¿Qué equipos generaron más oportunidades de gol? ¿La cantidad de tiros realmente se traduce en más goles? ¿Qué estilos ofensivos se pueden identificar a partir de los datos? Este artículo es el primero de una serie donde construiremos un proyecto completo de análisis deportivo utilizando Python, desde la exploración de datos hasta modelo...

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...

Dónde Encontrar Datasets para Practicar Python: Mejores Fuentes y Recursos

Imagen
Dónde encontrar datasets para practicar análisis de datos con Python Encontrar datasets interesantes y relevantes es fundamental para mejorar tus habilidades en análisis de datos con Python. No solo te permite practicar técnicas, sino también desarrollar proyectos reales que pueden convertirse en contenido, portafolio o incluso productos digitales. A continuación, te comparto algunas de las mejores fuentes donde puedes encontrar datasets de calidad para tus análisis. 📊 Plataformas para encontrar datasets 1. Kaggle Kaggle ofrece una amplia colección de datasets gratuitos y es una de las plataformas más populares en ciencia de datos. https://www.kaggle.com/datasets 2. UCI Machine Learning Repository Repositorio utilizado en investigación académica, ideal para practicar modelos de machine learning. https://archive.ics.uci.edu/ml/index.php 3. Google Dataset Search Motor de búsqueda especializado en datasets de múltiples fuentes. https://datasetsearch.research.google.com/ 4. D...

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