Entradas

Mostrando las entradas con la etiqueta Jupyter Notebook

Cómo crear un Dashboard de Tenis con JavaScript usando Tennis API

Imagen
Cómo crear un Dashboard ATP con JavaScript utilizando Tennis API Hola bienvenido a un nuevo post, hace unos días estaba buscando una API relacionada con deportes para practicar el consumo de servicios REST desde JavaScript y encontré Tennis API . Me llamó la atención porque ofrece información actualizada sobre rankings ATP y perfiles de jugadores profesionales, lo que la convierte en una buena opción para desarrollar dashboards y aplicaciones deportivas. En este artículo te mostraré cómo utilicé esta API para construir un pequeño dashboard web que consulta el ranking ATP en tiempo real y permite visualizar información detallada de los jugadores. ¿Qué es Tennis API? Tennis API es un servicio disponible a través de RapidAPI que proporciona acceso a información relacionada con el tenis profesional. Entre los datos que podemos consultar se encuentran rankings ATP y WTA, perfiles de jugadores, torneos, resultados y estadísticas históricas. Para comenzar es necesario crear una cue...
Publicar un comentario
Leer más

Cómo crear un portal automático de noticias con Python y RSS 📡🐍

Imagen
 Cada día se generan miles de noticias y tendencias en internet. Muchas veces nos enteramos tarde de temas importantes simplemente porque no revisamos constantemente los portales de noticias. Por eso decidí crear una pequeña demo educativa usando Python para generar automáticamente una página web con noticias recientes de México utilizando RSS de Google News. Lo interesante es que este proyecto: consume datos reales, genera HTML automáticamente, funciona sin APIs costosas, y puede actualizarse de forma automática. Además, es un excelente ejercicio para aprender automatización, consumo de feeds RSS y generación dinámica de contenido con Python. ¿Qué hace esta demo? 🔥 El proyecto: Obtiene noticias recientes desde Google News RSS. Procesa los títulos automáticamente. Genera una página HTML estilo portal de noticias. Muestra enlaces directos a las noticias originales. El resultado es una mini página dinámica de tendencias y noticias de México. Tecnologías ...
Publicar un comentario
Leer más

👉 Análisis de ayuda internacional con Python: dataset OECD + notebook listo para usar

Imagen
🌍 Análisis de ayuda internacional con Python: dataset OECD + notebook listo para usar En el mundo de las relaciones internacionales, uno de los temas más relevantes —y a la vez menos comprendidos— es cómo se distribuyen los recursos destinados al desarrollo global. ¿Quién financia estos proyectos? ¿A qué países se dirigen los recursos? ¿Qué regiones reciben mayor apoyo? Para responder estas preguntas, realicé un análisis utilizando datos abiertos de la Organisation for Economic Co-operation and Development (OECD), específicamente del dataset Country Programmable Aid (CPA) , parte de los registros de Official Development Assistance (ODA) . 📊 El reto de trabajar con datos reales Uno de los principales aprendizajes de este análisis es que los datos del mundo real no vienen listos para usarse. Columnas desalineadas Registros inconsistentes Valores mezclados en campos clave Formatos que requieren limpieza Por esta razón, una parte fundamental del proyecto fue el proceso de lim...
Publicar un comentario
Leer más

Ejemplo Análisis de datos con Python, Jupyter. Datasciense de divorcios en México

Imagen
Los divorcios son un fenómeno social que refleja cambios en la estructura familiar y las dinámicas de pareja en México. Analizar estos datos nos permite entender patrones, tendencias y diferencias según el sexo de los integrantes, duración del matrimonio y otras variables relevantes. En este artículo, exploraremos un conjunto de datos oficiales sobre divorcios en México utilizando Python y Jupyter Notebook. A través de limpieza de datos, visualizaciones y análisis estadístico, obtendremos conclusiones que nos ayudan a comprender mejor la dinámica de estos eventos. A continuación, describo los pasos que seguí para realizar este análisis de manera clara y estructurada: Obtener los datos de una fuente oficial Analizar la información descargada  Leer los datos con Panda Limpiar Datos Hacer análisis con graficas Generar una descripción de estas gráficas para obtener algunas conclusiones Las Herramientas tecnológicas que vamos a utilizar son Python Jupyter  Matplotlib seaborn ...
Publicar un comentario
Leer más

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