cienciadedatos / datos-de-miercoles Goto Github PK

Hola! Tengo una serie temporal de las estaciones de bicicletas públicas en Buenos Aires que estuve armando a partir de la API de transporte de la Ciudad de Buenos Aires. Estuve analizando los datos y publicando algunas cosas (acá, acá y acá)

Es poco menos de un mes (del 22 de julio al 15 de agosto) de datos de la cantidad de bicicletas estacionadas en cada una de las 399 estaciones sampleada cada 5 minutos. Todos los datos son medio pesados (el .csv pesa 135 MB) pero haciendo un subsampleo cada 10 minutos y quedándome sólo con las variables más interesantes, queda en 45Mb y haciendo cada 15 minutos baja a 30Mb.

Si les parece, puedo armarlo para publicar.

En el README de esta semana el codigo para bajar los datos necesita ser corregido, actualmente dice:

gapminder <- readr::read_csv("https://raw.githubusercontent.com/cienciadedatos/datos-de-miercoles/master/datos/2019/2019-04-23/gapminder_es.csv")

El error esta aqui: 2019-04-23, tiene que ser 2019-04-24

Cosneguir o armar una DB de letras de canciones en español

Trabajo relacionado:

https://digital.bl.fcen.uba.ar/collection/tesis/document/tesis_n6106_Bach

Se que ahi se escrapeo internet en busca de canciones de folklore y rock en español mas especificamente en Argentina.

Armar o conseguir algo similar

Al agrupar la cantidad de datos (esto es cultivo-campaña-departamento) para cada provincia se observa que cambia notablemente la cantidad de registros. Sobre todo en provincias grandes.

La pregunta es: ¿a qué se deben estos cambios? ¿ Se producen menos cultivos por provincia? ¿Se relevan menos cultivos y/o menos departamentos por la nueva metodología? ¿Cómo se relacionan ambos? ¿Hay algún otro factor a considerar?

El Centro de Estudios del MINEDUC acaba de publicar las bases de datos del proceso de admisión escolar 2018 en http://datos.mineduc.cl/dashboards/20514/descarga-bases-de-datos-de-los-proceso-de-admision-escolar-anos-2016-y-2017/

El tema es relevante debido a que actualmente se está discutiendo un proyecto de ley para modificar el Sistema de Admisión Escolar (SAE), argumentando que este ha sido perjudicial para los estudiantes de mejor rendimiento académico y para aquellos con necesidades educativas especiales permanentes. ¿Qué dicen los números? ¿Qué datos interesantes pueden salir de la información que recoge el SAE?

Al ser el SAE un sistema centralizado, información que antes era desconocida hoy es de fácil acceso. Todas las tablas 1 corresponden al periodo principal de postulación e incluyen información relativa a:

• Oferta (establecimientos, cursos, cupos, vacantes, cuotas, georreferenciación, etc)
• Postulantes (georreferenciación, rendimiento académico, vulnerabilidad, etc)
• Preferencias de los postulantes (establecimientos a los que postulan y en qué preferencia)
• Resultados de la asignación

Buenas.

Estoy jugando con el data set de Pokemones que subió Kaggle hace un tiempo.
Estaba pensando en traducirlo al español, ya que sólo los nombres de columnas y los tipos de pokemones necesitan ser traducidos.
Quisiera saber si están interesados en que traduzca el data set, y mi única pregunta es qué hacer cuando el nombre de un Pokemon tiene una palabra que lo "define". Por ejemplo: Pokemon 720 es HoopaHoopa Confined...

Dejo los nombres tal cual vienen? [nunca llegué a las últimas generaciones de Pokemones para saber si tiene sentido en algo esa definición en el nombre]

Abrazos!

Seria obtener los dialogos de alguna o algunas seriers o peliculas y proponer ese dataset.

Columnas a tener en cuenta:
Tiempo ( hh:mm:ss )
dialogo ( texto )
personaje ( texto )

tal vez Scrapear algo como subdivx y bajar subtítulos en español
( lo que observamos es que no siempre esta a quien pertenece el dialogo )

Colaboraciones / Ideas Bienvenidas !

Se puede agregar para cargar desde Internes, Además de modo local?

Gracias!

Tengo unos datos de temperatura y precipitación en distintas estaciones de Argentina y Paraguay. Estas son las ubicaciones:

Son de la base de datos Claris LPB . ¿Les parece que es demasiado local?

Para otro miércoles podriamos usar los datos que resultan de correr el siguiente código:

if (!require("pacman")) install.packages("pacman")
pacman::p_load(tradestatistics)
 
countries <- c("arg", "bol", "chl", "col", "cri", "cub", "dom", "ecu", "slv", "gtm", "hnd", "mex", "nic", "pan", "pry", "per", "ury", "ven")
 
hispanoamerica <- ots_create_tidy_data(years = 2010:2017, reporters = countries, partners = "all", include_shortnames = TRUE, include_communities = TRUE)
 
save(hispanoamerica, file = "hispanoamerica.rda", compress = "xz")

de allí surgen algunas preguntas interesantes

• ¿Cómo ha evolucionado el comercio entre los países de la región?
• ¿Qué % de lo que el país P exporta va al resto de la región vs resto del mundo?
• ¿Qué países se especializan en determinada categoría de producto?
• ¿Cuáles países son exportadores netos y cuáles importadores netos?
• Etc

El link en el codigo aqui tiene que ser corregido: https://github.com/cienciadedatos/datos-de-miercoles/tree/master/datos/2019/2019-07-10

Dice: pokemones <- readr::read_csv("https://raw.githubusercontent.com/cienciadedatos/datos-de-miercoles/master/datos/2019/2019-07-10/pokemon.csv")

Y tiene que ser: pokemones <- readr::read_csv("https://raw.githubusercontent.com/cienciadedatos/datos-de-miercoles/master/datos/2019/2019-07-10/pokemones.csv")

Literatura en español

Se intento armar algo con la libreria gutenbergr, podria usarse ese u otro,
simil a lo que se hizo con spotify.

https://www.gutenberg.org/browse/languages/es

temas de derechos con los libros complican la disponibilidad de los textos , como con spotify :p

Ideas / Comentarios / Sugerencias bienvenidos :D

Mi duda es por que el resultado de mi participación fueron posts. Se podrá colocar al link del primer post asociado al challenge?