ECBD-Oscar_Iv-n_Escamilla_Guevara

Nombre:

Oscar Iván Escamilla Guevara

Materia:

Extracción de conocimientos de bases de datos

Grado y grupo:

9 "B"

Descripción general:

Este repositorio contiene las prácticas de laboratorio de la materia de "Extracción de conocimientos de bases de datos", desarrollado con el objetivo de aprender a utilizar la herramiento notebook para la limpieza y visualización de datasets. Incluye el código fuente, documentación y ejemplos necesarios para comprender y ejecutar la solución.

Objetivo:

Aprender sobre los datasets, sus caracteristicas, comportamientos, propiedades, y el alcance que podemos tener trabajandolos y limpiandolos con ayuda de los compandos de python, y facilitandonos el desarrollo de código con Anaconda y Jupyter Notebook

Datasets utilizados:

dataset_sucio_practica, netflix_titles, test, ventas-por-factura, Data_Limpio_Factura

Herramientas utilizadas:

Anaconda, Jupyter Notebook, python 3

Instrucción de ejecución general:

1. Clonar el repositorio git clone https://github.com/v4r13d3s/ECBD-Oscar_Iv-n_Escamilla_Guevara.git cd ECBD-Oscar_Iv-n_Escamilla_Guevara

2. Instalar dependencias import pandas as pd import numpy as np import matplotlib.pyplot as plt pip install matplotlib import seaborn as sns pip install seaborn df = pd.read_csv("dataset.csv")

Capturas o imagenes de los análisis

Conclusiones generales:

El desarrollo de este proyecto permitió comprender a fondo el manejo de datasets, identificando sus características, comportamientos y propiedades. A través de la limpieza y transformación de datos con Python, se evidenció cómo estas prácticas mejoran la calidad de la información y facilitan el análisis. El uso de Anaconda y Jupyter Notebook resultó clave para optimizar el flujo de trabajo, simplificar la ejecución del código y documentar los resultados de manera interactiva. En conjunto, la experiencia demuestra que una adecuada planeación y organización del trabajo con herramientas modernas potencia el aprendizaje y abre nuevas posibilidades en el ámbito del análisis de datos.