Hola Master! Este reto nos permitirá evaluar tu nivel en temas específicos de Data Science. No te preocupes si no logras todos los objetivos, será importante ser 100% honestos ya que eso nos permite personalizar el Learning Path acorde a tu nivel.

Imagina un punto a dónde quieres llegar y traza un plan para llegar allí. Pero se honesto contigo y establece tu punto de partida

-(Jordan Belfort)

El Instituto Nacional de Antropología e Historia (INAH), contiene un registro histórico del 2019 detallado de todos los visitantes de todos los recintos culturales abiertos al público en México.

Cada registro contiene:

• Estado
• Clave identificadora de recinto (SIINAH)
• Siglas
• Centro de trabajo (Nombre del recinto cultural)
• Año
• Tipo de visitante
• Número de visitante por tipo
• Nacionalidad (Extranjera o Nacional)

El objetivo general es desarrollar una plataforma, que permita a los usuarios finales (Investigadores, reporteros y ciudadanos en general), generar búsquedas para obtener indicadores de visitas por tipo de visitante, nacionalidad y cantidad por recinto en año.

Dividiremos este reto en objetivos específicos que nos permitirán trabajar distintas áreas ESENCIALES para un Data Scientist:

• Abstraer un problema utilizando datos crudos y recabados desde una dependencia que puede ser o no controlada por un experto en datos y puede contener errores.

• Manipulación de datos

  • Estructurar datos
  • Limpiar datos
  • Filtrar de datos

• Estadística aplicada (Histogramas, Gráficos de barras, Totales, Promedios, etc.)

• Interpretación estadística. (El punto más importante) Cómo podemos interpretar los datos como Data Scientist para encontrar soluciones usando los datos.

Objetivos específicos y numerados:

1. Leer los datos utilizando un programa que de opción a insertarlo desde una interfaz gráfica simple o bien, desde línea de comandos. Pasando el archivo como un argumento.

Mostrar datos de archivo desde línea de comandos

2. Limpiar los datos, estructurarlos usando python y pandas. Únicamente, utilizaremos: Estado, Clave SIINAH, Centro de trabajo, Año, Mes, Tipo de visitantes, Número de visitas y Nacionalidad.

Mostrarlos como dataframe en Tabla con los datos mencionados arriba

4. Calculen los parámetros estadísticos:

• Totales por Estado por temporalidad (Mes y Año)
• Totales por Estado por tipo de visitante
• Totales por Estado por tipo de visitante y temporalidad (Mes y Año)
• Totales por Centro de trabajo y temporalidad (Mes y año)
• Totales por Centro de trabajo por tipo de visitante (Año)
• Promedio de visitantes totales por estado (Mes y Año)
• Promedio de visitantes por tipo de visitante, por estado (Mes y Año)
• Porcentaje de visitantes por Recinto en visitantes por estado (total por mes).
• Porcentaje de tipo de visitantes por mes y año
• Porcentaje de tipo de visitantes por recinto (Mes y Año)

5. Graficar los parámetros estadísticos con Plotly. Deben tener textos descriptivos, títulos, nombres de ejes, etc.

Las gráficas deben entenderse por cualquier persona, sea experta o no en área estadística.

5. Una interfaz gráfica que implemente todo lo anterior (no desde línea de comandos) para poder insertar los datos, filtrarlos, mostrarlos a manera de tabla, realizar búsqueda por parámetro y visualizar los datos.

Usar PyQT, Tkinter, WxPython, Kivy u otra librería para componentes gráficos a su elección)

6. Interpretar los resultados de manera sintetizada y concisa en formato de pie para cada gráfico y cálculo.

1. Hacer un "Fork" de este proyecto.
2. Revolver los retos propuestos.
3. Crear un Pull Request hacia este repositorio.

NOTAS:

• Todo debe estar comentado y documentado, cada paso explicado el por qué y para qué de cada acción.

• Usar solo variables y funciones en inglés. Todo el código debe estar escrito en inglés, no será bien visto el uso de spanglish

challenge-ds-02 se lanza bajo la licencia MIT.