En este proyecto, realizamos un análisis exploratorio de datos para comprender y visualizar patrones, tendencias y características destacadas en nuestros datos. Se abordan aspectos clave como la búsqueda de valores faltantes, valores atípicos y registros duplicados.
En todos los archivos que teniamos se hizo un Eda para tomar las decisiones adecuadas para nuestros KPI, aca unos ejemplos de los que se hizo.
df_accesotecnologia.head() Este paso nos brinda una visión inicial de las primeras filas del conjunto de datos, ayudando a comprender su estructura.
df_accesotecnologia.info() Proporciona detalles sobre las columnas presentes, los tipos de datos y la presencia de valores nulos.
df_accesotecnologia.describe() Ofrece estadísticas descriptivas para las variables numéricas, proporcionando una comprensión más profunda de su distribución.
missing_values = df_accesotecnologia.isnull().sum() Permite identificar la cantidad de valores faltantes en cada columna, si los hay.
duplicated_rows = df_accesotecnologia[df_accesotecnologia.duplicated()] Muestra los registros duplicados en el conjunto de datos.
df_accesotecnologia = df_accesotecnologia.drop_duplicates() Elimina los registros duplicados del conjunto de datos.
Para el primer Kpi aumentar en un 2% el acceso al servicio de internet para el próximo trimestre, cada 100 hogares, por provincia.
Eliminación de Columnas sin Datos: Se eliminan columnas sin datos en el DataFrame df_penetracion, creando un nuevo DataFrame llamado df_penetracion2.
Cambio de tipo de dato y reemplazo de comas: La columna 'Accesos por cada 100 hogares' en df_penetracion2 se convierte a tipo numérico y se reemplazan las comas por puntos. Concatenación de DataFrames:
Se concatenan los DataFrames df_penetracion2 y df_Baf en un nuevo DataFrame llamado df_concatenado. se guarda el DataFrame Concatenado en un archivo CSV El DataFrame df_concatenado se guarda en un archivo CSV llamado 'concatenado.csv'.
Cálculo del KPI Propuesto: Se carga el DataFrame desde el archivo CSV. La columna 'Accesos por cada 100 hogares' se convierte a tipo numérico. Se calcula el "Nuevo acceso" y el KPI propuesto para cada provincia. Visualización del KPI Propuesto:
Se realiza una visualización de puntos que muestra la variación del acceso al servicio de Internet (con un aumento del 2%) por provincia.
El DataFrame con el KPI propuesto se guarda en un archivo CSV llamado 'Kpiconcatenado.csv', para el dashboard
Se han cargado y concatenado varios conjuntos de datos relacionados con la velocidad de acceso a Internet. Se eliminaron las columnas que no contenían datos para facilitar un análisis más preciso, se cálcula de la velocidad promedio trimestral, la visualización correspondiente y la implementación del KPI, así como la generación del archivo CSV para el dashboard