taller-analisis-datos-101

Una introducción al análisis de datos con Python - PyconAR 2016.

• Setting up!
• Outline
• Otros recursos
  • APIs de datos
  • Portales de Datos
    • Argentina: nivel nacional
    • Argentina: nivel provincial
    • Argentina: nivel municipal
    • Resto del mundo
  • Librerías
• Datos usados en el taller
• Herramientas usadas en el taller
• Duración recomendada

Para seguir el taller te recomendamos que sigas las instrucciones de instalación, clones el repositorio y sigas los jupyters de ejemplo, ejecutando celda por celda.

Setting up!

Si estás dispuesto a cambiar tu instalación de python (o todavía no tenés una!) te recomendamos que instales la distro Anaconda. Ofrece un entorno preparado para hacer análisis de datos con python y ya viene con dependencias pre-instaladas para un montón de paquetes.

Si no tenés Anaconda y usás Ubuntu:

sudo apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran libgeos-dev ffmpeg

Después clonate el repo e instalá las dependencias:

git clone https://github.com/datosgobar/taller-analisis-datos-101.git
pip install -r requirements.txt

Outline

1. Instalación de recursos (10')
2. Presentación (20/30')
   • Ver presentación institucional
   • Ver landing del equipo de Datos
3. Introducción a Jupyter ("hola mundo") (20')
   • Abrir el notebook 0 - Introducción a Jupyter
4. Introducción a pandas + numpy + matplotlib (10')
   • Abrir el notebook 1 - Introducción a pandas + numpy + matplotlib
5. Ejemplo: Análisis de datos agrícolas (50')
   • Abrir el notebook 2 - Análisis de datos agrícolas

Bonus track: En Precios internacionales de cultivos (COMTRADE vs. WB) podés ver cómo comparar el precio de un cultivo calculado con datos de COMTRADE y los precios de una base del Banco Mundial, usando sus APIs.

Otros recursos

APIs de datos

• COMTRADE: API con datos de comercio exterior, mantenida por Naciones Unidas.
• Banco Mundial: API con indicadores de desarrollo de todo el mundo mantenida por el Banco Mundial.
• FRED: API con series de tiempo estadísticas y económicas principalmente de Estados Unidos pero también del mundo, mantenida por la Reserva Federal de Estados Unidos.
• Quandl: API que da acceso a una lista de bases de datos de series de tiempo, principalmente económicas. Algunas son gratuitas y otras pagas.
• OECD Data: API de las bases de datos de la Organización para la Cooperación y el Desarrollo Económico.

Portales de Datos

Argentina: nivel nacional

• Portal Nacional: http://datos.gob.ar/
• Ministerio de Agroindustria: https://datos.magyp.gob.ar/
• Ministerio de Justicia: http://datos.jus.gob.ar/
• PAMI: http://datos.pami.org.ar:5000/dataset
• Ministerio de Energía: http://datos.minem.gob.ar/

Argentina: nivel provincial

• Ciudad de Buenos Aires: http://data.buenosaires.gob.ar/
• Jujuy: http://datos.gajujuy.gob.ar/
• Misiones: http://www.datos.misiones.gov.ar/

Argentina: nivel municipal

• Mar del Plata: http://www.mardelplata.gob.ar/opendata
• Bahia Blanca: http://gabierto.bahiablanca.gob.ar/datos-abiertos/
• Mercedes: http://datos.mercedes.gob.ar/home
• Pilar: http://datosabiertos.pilar.gov.ar/home
• Gualeguachú: http://data.gualeguaychu.gov.ar/
• Junín: http://www.junin.gov.ar/ga/
• Córdoba (ciudad): http://cdcordoba.opendata.junar.com/home/
• Mendoza (ciudad): http://datos.ciudaddemendoza.gov.ar/

Resto del mundo

• Unión Europea: https://www.europeandataportal.eu/
• Estados Unidos: https://www.data.gov/
• Reino Unido: https://www.data.gov.uk/

Librerías

• pandas: Estructuras y herramientas para análisis de datos en Python.
• geopandas: Extiende pandas con funcionalidades geoespaciales.
• numpy: Objetos y estructuras para computación científica en Python.
• scipy: Herramientas de computación científica en Python.
• matplotlib: Gráficos en Python.
• scikit-learn: Machine learning en Python.
• seaborn: Estadística y visualización en Python.
• statsmodels: Modelos y tests estadísticos en Python.

Datos usados en el taller

• Shapefile provincias (INDEC)
• Shapefile departamentos (INDEC)
• Estimaciones de producción de cultivos (MAGYP)
• Valores y cantidades de comercio exterior (API de COMTRADE)
• Precios internacionales de cultivos (API del Banco Mundial)

Herramientas usadas en el taller

• Anaconda - Nuestra distro de python para análisis de datos.
• Jupyter - El notebook para ejecutar código dinámicamente.
• DocToc - Para la tabla de contenidos

Duración recomendada

2 horas (modo expositivo) / 3 horas (modo taller)