Guía sobre Datos Faltantes y Métodos de Imputación

Handling Missing Data and Imputation Methods in Data Science

Este repositorio contiene una guía técnica y educativa completa sobre el problema de los datos faltantes (missing data) y los métodos de imputación utilizados en ciencia de datos. El proyecto está diseñado para ser un recurso educativo reproducible, publicado como sitio web técnico a través de GitHub Pages.

El objetivo es explicar de forma clara, rigurosa y reproducible los desafíos que presentan los valores ausentes y las estrategias para manejarlos, desde técnicas simples hasta métodos más avanzados como K-Nearest Neighbors (KNN).

Versión web: https://djwillichile.github.io/missing-data-imputation/

Contenido del Repositorio

Carpeta	Descripción
/docs	Documentos en formato Markdown que componen la guía, incluyendo el documento unificado missing_data_imputation_guide.md.
/site	Versión web autocontenida (index.html) con imágenes incrustadas y estilos para lectura optimizada.
/code	Scripts de Python (.py) utilizados para generar todas las figuras y ejemplos del proyecto.
/data	Dataset de ejemplo (sample_dataset.csv) generado por los scripts.
/figures	Figuras y diagramas generados (.png).
/notebooks	Notebook Jupyter para reproducir las figuras.

Cómo Usar este Repositorio

1. Ver la Guía

Hay dos maneras de leer la guía:

1. Versión Web (Recomendado): Visita https://djwillichile.github.io/missing-data-imputation/ para una experiencia de lectura optimizada, con navegación lateral, renderizado de ecuaciones y resaltado de código.
2. Documento Markdown: Lee el archivo /docs/missing_data_imputation_guide.md directamente en GitHub o en tu editor de Markdown preferido.

2. Reproducir los Resultados

Para regenerar todas las figuras y datos de este proyecto, sigue estos pasos:

a. Clonar el Repositorio

git clone https://github.com/djwillichile/missing-data-imputation.git
cd missing-data-imputation

b. Instalar Dependencias

Se recomienda crear un entorno virtual para instalar las dependencias del proyecto.

# Crear y activar un entorno virtual (opcional pero recomendado)
python3 -m venv venv
source venv/bin/activate

# Instalar las librerías requeridas
pip install -r requirements.txt

c. Ejecutar los Scripts

Los scripts en la carpeta /code generarán las figuras en /figures y el dataset de ejemplo en /data.

# Ejecutar el script para generar los histogramas de imputación por media
python3 code/generate_histograms.py

# Ejecutar el script para el ejemplo de imputación KNN
python3 code/knn_imputation_example.py

Licencia

Este trabajo se distribuye bajo la licencia Creative Commons Attribution 4.0 International (CC BY 4.0). Eres libre de compartir y adaptar este material para cualquier propósito, siempre que des el crédito apropiado.

---

Este proyecto fue desarrollado como un recurso educativo en ciencia de datos por Guillermo - ICTA Ltda.