Rivers

Pequeño proyecto de análisis de datos sobre un dataset de ríos aleatorios. Se usa Python y SQL. Presentados en Jupyter Notebook. Visualización final en Power BI.

• Limpieza y transformación de datos en Python.
• Análisis exploratorio y creación de variables derivadas.
• Almacenamiento y consulta mediante SQL (SQLite).
• Visualización y modelado predictivo.
• El objetivo es demostrar un proceso end-to-end desde datos crudos hasta insights analíticos reproducibles.

Tecnologías utilizadas

• Python (pandas, numpy, matplotlib, plotly)
• SQL (SQLite)
• Jupyter Notebooks
• Machine Learning (CatBoost Regressor)

Flujo del proyecto

1. Carga y limpieza de datos

2. Integración SQL (SQLite)

• Los datos procesados se almacenan en una base SQLite para simular un flujo de trabajo real de analista de datos.

3. Ingeniería de Características (Feature Engineering)

4. Análisis exploratorio usando visualizaciones

5. Modelado predictivo usando un modelo CatBoost Regressor.

Resultados y Conclusiones

• El caudal (discharge) total se concentra principalmente en ríos de categorías mayores, mostrando una distribución desigual entre tipos.
• Existe una relación general positiva entre longitud y caudal, aunque con alta variabilidad.
• El uso combinado de Python, SQL y Power BI permitió construir un flujo completo de análisis desde limpieza hasta visualización.