Loading repository data…
Loading repository data…
LaraSarasua / repository
Proyecto Integrador — Seminario de Lenguajes (UNLP) Desarrollo colaborativo de una aplicación para el procesamiento, validación, exploración y visualización de datos de biodiversidad utilizando el estándar internacional Darwin Core. Tecnologías Python • Streamlit • Pandas • CSV • JSON • Folium • Jupyter Notebook • Git
A transparent discovery signal based on current public GitHub metadata.
This score does not audit code, security, maintainers, documentation quality, or suitability. Verify the repository and its current documentation before adoption.
Este proyecto consiste en el desarrollo de una aplicación para el análisis y visualización de datos de biodiversidad, utilizando datasets basados en el estándar Darwin Core.
El trabajo se divide en dos etapas:
El objetivo es aplicar conceptos de programación en Python, manipulación de datos y desarrollo de interfaces gráficas.
Darwin Core es un estándar internacional que permite estructurar datos de biodiversidad de forma consistente.
Define campos como:
scientificName (nombre científico)decimalLatitude / decimalLongitude (ubicación geográfica)eventDate (fecha del registro)countryCode (país)Esto facilita el intercambio, análisis e integración de datos biológicos provenientes de distintas fuentes.
/
├── documentation/ # Documentación de datasets (.md)
├── raw_datasets/ # Datasets originales (NO incluidos en el repo)
├── processed_datasets/ # Datasets procesados (NO incluidos en el repo)
├── src/ # Código fuente en Python
│ ├── __init__.py
│ ├── deletion.py
│ ├── insertion.py
│ ├── modifications.py
│ ├── reading.py
│ ├── register.py
│ ├── utils.py
│ └── validation.py
├── notebooks/ # Jupyter Notebooks para pruebas
│ └── crear_proccesed.ipynb
├── logs/ # Archivos de log
│ └── operations.log
├── app/ # Aplicación Streamlit
│ ├── app.py
│ ├── utilstreamlit.py
│ ├── modules/
│ ├── .streamlit/
│ └── pages/
│ ├── 01_main.py
│ ├── 02_system_operations.py
│ ├── 03_search.py
│ ├── 04_visualization.py
│ ├── 05_records_management.py
│ ├── 06_exploration.py
│ └── 07_data_sheet.py
├── requirements.txt
├── README.md
├── LICENSE.md
└── .gitignore
CON SSH
git clone <git@gitlab.catedras.linti.unlp.edu.ar:python-2026/proyectos/grupo33/code.git>
cd <NOMBRE_DEL_PROYECTO>
python -m venv .venv
.venv\Scripts\activate
source .venv/bin/activate
pip install -r requirements.txt
Ejecutar Jupyter Notebook:
jupyter notebook
Luego abrir los archivos dentro de la carpeta notebooks/.
Para la segunda parte utilizaremos los datasets procesados, donde se eliminarán las columnas completamentes nulas, registros duplicados y se convertirá a NaN los datos inválidos para las columnas fecha, código de país e incertidumbre.
Para esto abrir jupyter notebook y ejecutar el notebook que se encuentra en notebooks/crear_proccesed.ipynb
Luego, desde la carpeta raíz del proyecto ejecutar:
streamlit run app/app.py
Esto abrirá la aplicación en el navegador.
csv.Validación de datos:
Aplicación base en Streamlit:
csv, json) en la primera etapa.Este proyecto se distribuye bajo la licencia especificada en el archivo LICENSE.