Entradas

Mostrando las entradas con la etiqueta Visualización de Datos

Fracasar en Blogger intentando ganar dinero: lo que aprendí después de años escribiendo

Imagen
Cómo fracasar en Blogger si tu meta era ganar dinero 💸 Si estás pensando en abrir un blog para vivir de él, o al menos sacarte “unos pesos extra”, esta entrada puede servirte… o desalentarte (según tu nivel de sarcasmo). Pero sobre todo, quiero contarte cómo me fue a mí intentando monetizar un blog desde 2019, con mucho esfuerzo, ideas buenas (otras no tanto), y resultados que no se ven reflejados en la cuenta bancaria. 🧱 El blog que quiso ser muchas cosas Este blog nació con la intención de compartir tutoriales de programación, trucos, herramientas y reflexiones. El problema fue que el autor nunca tuvo del todo claro a qué audiencia quería llegar . Algunas veces apuntaba a estudiantes, otras a oficinistas, contadores, médicos, y otras a quien tuviera tiempo y curiosidad. Resultado: mucho contenido, poca consistencia . 📉 La realidad de los ingresos Tiempo invertido: varios años, muchos fines de semana Publicaciones: más de 140 entrada...

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...

Cómo Crear Gráficos con Palabras Clave en Python: Tutorial y Ejemplos Prácticos

Imagen
Quizá han visto algunos gráficos en internet o en publicidad donde podemos ver una serie de palabras ordenadas y que resaltan las palabras mas populares o mas utilizadas en un texto, si no lo han visto hablo de una imagen como la siguiente. Este tipo de diagramas pueden construirse con la ayuda de Natural Language Processing , es decir un procesador de lenguaje que es capaz de interpretar las palabras. Tenemos varias aplicaciones para el procesamiento de lenguaje natura: Como es en los chatbot En los correctores de ortografía En las aplicaciones que nos ayudan con la gramática Resultados de búsqueda en navegadores Texto predictivo en nuestros celulares o en correos Traducción de texto Análisis de datos  Hoy les quiero platicar acerca del ultima aplicación,  Análisis de Datos utilizando  Python y la librería Word Cloud para poder analizar datos y generar un diagrama como la primer imagen de esta publicación.  Para hacerlo interesante tome...

📊 Ejemplos de Python para Hacer Gráficas: Visualiza tus Datos con Matplotlib

Imagen
Como hemos visto en otras publicaciones del blog Python es un lenguaje muy amigable y con muchas librarías que permiten apoyarnos para realizar tareas de la manera más ágil. En esta ocasión quiero mostrarles como pueden hacer para mostrar datos en mapas, por ejemplo si quieren representar en el mapa de México la cantidad de universidades por cada estado y obtener una imagen como la siguiente: Tendremos que utilizar las librería   geopandas  matplotlib.pyplot   numpy   pandas  Para este ejemplo necesitamos: Instalar Jupyter ,  https://jupyter.org/install Descargar un mapa de México, yo encontré  un Github de Jon Schleuss  https://github.com/jschleuss/mexican-states Vamos a utilizar el siguiente código import geopandas as gpd import matplotlib.pyplot as plt import numpy as np import pandas as pd direccion = 'tu directorio //mexican-states-master' direccion2 = 'tu directorio\\carpeta\\' shapefile = gpd.read_file(direccion+'\mexica...

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