Programación para todos

Entradas

Mostrando las entradas con la etiqueta Python

Análisis de datos de F1: GP de Singapur 2026 con Python y una API

octubre 14, 2026

¿Qué podemos descubrir sobre una carrera de Fórmula 1 utilizando datos? En este análisis del Gran Premio de Singapur 2026 vamos a trabajar con una API deportiva, Python y Pandas para obtener resultados, comparar posiciones y generar visualizaciones que nos permitan responder preguntas concretas. El objetivo no es solamente consultar quién terminó primero, sino analizar la diferencia entre la parrilla de salida y el resultado final, identificar remontadas y detectar qué pilotos perdieron posiciones durante la carrera. 1. Herramientas utilizadas API de Fórmula 1: servicio disponible a través de RapidAPI para consultar datos de carreras. Python: lenguaje utilizado para realizar las solicitudes y procesar los resultados. Requests: biblioteca para realizar solicitudes HTTP. Pandas: biblioteca para transformar los datos JSON en tablas y realizar cálculos. Matplotlib y Pillow: herramientas que podemos utilizar para crear gráficas e imágenes para nuestros análisis y Shorts. ...

¿Qué podemos analizar con los datos de una carrera de F1? Ejemplo con el GP de Baku 2026 y Python

octubre 01, 2026

¿Qué podemos analizar con los datos de una carrera de F1? Ejemplo con el GP de Baku 2026 y Python Cuando pensamos en analizar una carrera de Fórmula 1, normalmente pensamos en preguntas como: ¿Quién ganó? ¿Quién quedó segundo? ¿Quién hizo la vuelta más rápida? Pero cuando tenemos los datos de la carrera , podemos hacer muchas más preguntas. Y ahí es donde comienza realmente el análisis de datos. En este proyecto utilicé datos del Gran Premio de Azerbaiyán 2026 y Python para demostrar una idea muy sencilla: No siempre necesitamos más datos. Muchas veces necesitamos aprender a mirar los datos que ya tenemos de otra manera. 🏎️ De una tabla de resultados a un análisis de datos Los datos obtenidos de la API contienen información como: Piloto Equipo Posición final Posición de salida Vueltas completadas Estado de la carrera Información del piloto y del equipo A primera vista parece simplemente una tabla de resultados. Pero podemos comenzar a hacer pre...

21 personajes del Spirit World encontrados con una API de Avatar y Python

octubre 01, 2026

21 personajes del Spirit World encontrados con una API de Avatar y Python ¿Cuántos personajes relacionados con el Spirit World podemos encontrar en el universo de Avatar: The Last Airbender ? En este proyecto combinamos una API REST, Python y Pandas para explorar un conjunto de datos de personajes de Avatar y encontrar aquellos cuya afiliación está relacionada con el Spirit World . El resultado fue bastante interesante: después de consultar todos los registros, encontramos 21 personajes asociados con el Spirit World en los datos proporcionados por la API. 🌌 ¿Qué API utilizamos? Para este análisis utilizamos la Last Airbender API , una API REST que proporciona información sobre personajes del universo de Avatar. El endpoint utilizado para obtener los personajes es: https://last-airbender-api.fly.dev/api/v1/characters La respuesta está formada por registros JSON que contienen infor...

World Nomad Games 2026: Analyzing Kyrgyz Media Coverage with Python

septiembre 24, 2026

World Nomad Games 2026: Analyzing Kyrgyz Media Coverage with Python What did Kyrgyz media talk about during the World Nomad Games 2026 ? In this project, we used Python, Pandas and BeautifulSoup to analyze news coverage published by Kabar , the Kyrgyz national news agency. The goal was to understand how the Games were covered from a Kyrgyz media perspective. Instead of looking only at individual articles, we transformed the news headlines into data and created visualizations to answer three questions: When did Kabar publish the most World Nomad Games stories? Which countries were mentioned most often? What type of topics dominated the coverage? Data Source The analysis is based on 51 Kabar news headlines published between August 31 and September 6, 2026 . Kabar provides an RSS feed, which can be accessed programmatically with Python. However, the current RSS feed mainly contains recent stories. To reconstruct the World Nomad Games coverage for the event dates, ...

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

septiembre 14, 2026

🏎️ 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...

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

agosto 20, 2026

¿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() ...

Sports Analytics con Python: Comparando los partidos con mayor y menor actividad ofensiva del Mundial FIFA 2026

agosto 07, 2026

¿Qué hace realmente emocionante a un partido de fútbol? Cuando hablamos de un gran partido solemos pensar inmediatamente en muchos goles. Sin embargo, en Sports Analytics la producción ofensiva puede analizarse desde una perspectiva mucho más amplia utilizando estadísticas avanzadas. En este proyecto desarrollé un Match Excitement Score (MES) , un índice que resume la actividad ofensiva de cada encuentro del Mundial FIFA 2026 mediante una combinación de métricas tradicionales y avanzadas. Todo el análisis fue realizado en Python utilizando Pandas y Matplotlib, compartiendo además el notebook completo para que cualquier persona pueda reproducir los resultados. ¿Cómo se construyó el Match Excitement Score? El índice integra seis variables ofensivas disponibles en el dataset: ⚽ Goles 📈 Expected Goals (xG) 🎯 Total de disparos 🥅 Disparos a puerta 🔥 Big Chances 📍 Toques dentro del área rival Cada variable fue estandarizada mediante Z-score y posteriormente ...

⚽Sports Analytics con Python: Los partidos con menor actividad ofensiva del Mundial FIFA 2026

agosto 07, 2026

Identificando los partidos con menor actividad ofensiva del Mundial FIFA 2026 mediante Python ¿Un partido con pocos goles es necesariamente aburrido? No siempre. Existen encuentros que terminan 0-0 y ofrecen múltiples oportunidades de gol, mientras que otros finalizan con varios goles tras muy pocas ocasiones claras. Con el objetivo de realizar un análisis basado en datos y no únicamente en percepciones, desarrollé un Match Excitement Score (MES) , una métrica que resume la producción ofensiva de cada partido utilizando estadísticas avanzadas del Mundial FIFA 2026. Me lleve una gran sorpresa. Todo el análisis fue realizado en Python utilizando un dataset completo del torneo y el código del notebook será compartido al final de este artículo para que cualquier persona pueda reproducir los resultados. El dataset lo obtienen de Kaggle Dataset: Football 2026 World Cup Dataset ¿Cómo se calculó el Match Excitement Score? El índice se construyó utilizando seis indi...

Which FIFA World Cup 2026 Match Should You Watch Again? A Python Data Analysis

agosto 03, 2026

Which FIFA World Cup 2026 Match Should You Watch Again? After every FIFA World Cup, one question always comes up: Which matches are worth watching again? Instead of answering this question based on personal opinion, I decided to analyze every match from the FIFA World Cup 2026 using Python, Pandas and Matplotlib. The objective was simple: Find the matches with the most goals. Identify the strongest defensive performances. List every game that required extra time. Show every match decided by a penalty shootout. The result is a collection of custom visualizations generated entirely with Python using the FIFA World Cup 2026 dataset. ⚽ Highest Scoring Matches If you enjoy attacking football and goal-filled games, this ranking is the perfect place to start. Using the official match results, I ranked every match by the total number of goals scored by both teams. The visualization highlights the ten highest-scoring matches of the tournament. NOTE : Englan...

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

julio 30, 2026

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 ...

Entradas

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