Análisis del Top 100 ATP con Python y Tennis API: ¿Quién domina cada superficie? Los datos deportivos son una excelente forma de aprender análisis de datos y visualización con Python. En este artículo exploramos el rendimiento histórico del Top 100 ATP actual utilizando la Tennis API , una plataforma que ofrece acceso a rankings, perfiles de jugadores, resultados en vivo, estadísticas históricas y mucho más. Nuestro objetivo fue responder una pregunta sencilla: ¿Quiénes son los mejores jugadores del Top 100 ATP actual en cada superficie? Para ello utilizamos Python, Pandas y Plotly para analizar más de 3,700 registros históricos obtenidos desde la API desde 2004 a 2026 para el top100 . Obtención de datos con Tennis API La información fue obtenida utilizando el endpoint Surface Summary disponible en la documentación oficial de Tennis API. Documentación: https://tennisapidoc.matchstat.com/ Sitio oficial: https://tennis-api.com/ El proceso consistió en: Obte...

 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 ...

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 d...

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 ...

📊 ¿Cuántos reumatólogos se necesitan en Playa del Carmen? Un análisis con Python Las enfermedades autoinmunes afectan aproximadamente al 5% de la población mundial . Esto incluye padecimientos como lupus, artritis reumatoide, esclerosis múltiple, entre otros. En este artículo haremos un ejercicio técnico para estimar cuántos reumatólogos serían necesarios para atender esa demanda en una ciudad como Playa del Carmen, Quintana Roo , utilizando Python y Jupyter Notebook . 📌 Paso 1: Estimar población y personas afectadas De acuerdo con datos recientes, la población aproximada de Playa del Carmen es de 304,942 personas. Si el 5% sufre una enfermedad autoinmune: # Supuestos poblacion_total = 304_942 porcentaje_afectados = 0.05 personas_afectadas = poblacion_total * porcentaje_afectados print(f"Número estimado de personas con enfermedades autoinmunes: {int(personas_afectadas)}") Resultado: 15,247 personas con enfermedades autoinmunes. 📌 Paso 2: ¿Cuántos re...

“Este análisis fue realizado con fines educativos y de concientización, utilizando datos públicos y anónimos. Todo el contenido respeta la privacidad de los pacientes y busca aportar valor desde la ciencia de datos.” 🔍 Introducción Las enfermedades reumatológicas, como la artritis reumatoide, el lupus o la fibromialgia, afectan a miles de personas en México y el mundo. Más allá de los números, se trata de condiciones que influyen profundamente en la calidad de vida de quienes las padecen. En este artículo realizo un ejercicio educativo utilizando Python y Jupyter para explorar datos públicos de salud disponibles a través del sistema SINBA/SINAIS de la Secretaría de Salud. El objetivo no es presentar un diagnóstico ni emitir juicios clínicos, sino visibilizar patrones agregados y mostrar cómo la ciencia de datos puede aplicarse de manera respetuosa y útil en el ámbito médico y de salud pública . El análisis está pensado tanto para: 👩‍⚕️ Profesionales de salud que quieran apren...

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 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...

 Los grafos son una estructura de programación que nos permite, de manera más ágil, encontrar la ruta más rápida para llegar de un origen a un destino. En la programación, recuerden que siempre tratamos de representar algo del mundo real en un concepto que pueda ser programado (paradigmas de la programación) . Imaginemos que estamos pensando en hacer un viaje en metro donde nuestro origen es Polanco y queremos llegar a Terminal Aérea. Para ello, existen algunas posibles rutas para llegar al destino. Esto lo podemos visualizar en la siguiente imagen. Ahora vamos a llevar esto a como se vería en un grafo  En la imagen cada círculo representa un punto por dónde podemos pasar y la flecha indica la dirección del grado y el número en ese caso representa los kilómetros entre cada punto. Vemos 3 caminos dibujados uno café, otro negro y otro rosa, si sumamos un punto por cada parada , el camino mas rápido es de 16 paradas. Hay mas opciones de caminos que podemos trazar y también en lug...

Hola bienvenid@s al blog tenía mucho tiempo que no escribía y me da gusto compartirles algo nuevo. En esta ocasión quiero platicarles de las herramientas que existen para poder realizar reconocimiento de imágenes por medio de Inteligencia Artificial. Primero antes de ver un ejemplo les cuento un poco más que es el reconocimiento visual, es un proceso en qué una máquina puede clasificar una imagen, ahora esta imagen puede llegar a la máquina por medio de archivos, por medio de una cámara de un celular ,las cámaras montadas en un robot, por medio de un directorio en donde se almacenan documentos o incluso utilizando la cámara en un dron.   Ejemplos de uso de está tecnología : Identificar posibles inicios de incendios Análisis de calidad en una línea de producción para saber si un artículo está en mal estado En las redes sociales saber si los gifs, imágenes son positivos o negativos Saber el estado de ánimo de una persona en un hospital En la agricultura identifica...