Ggk d dl mZ d dlZd dlZd dlZd dlmZ dZ d Z
d Z d Z ddZ
d Zd Zd Zdd
Zdd Zd Zd
ededefdZy) N'AIzaSyD-8YtqddehkKMliUFm7hC7d_TQvaXrIHsc d}t j | }t j | }t j || z
}t j ||z
}t j |dz dz t j | t j | z t j |dz dz z z } dt j t j
| t j
d| z
z }
||
z } | S )u
Calcula la distancia en kilómetros entre dos puntos en la Tierra dados por sus latitudes y longitudes
utilizando la fórmula de Haversine.
i )mathradianssincosatan2sqrt) lat1lon1lat2lon2Rphi1phi2 delta_phi delta_lambdaac distancias ^C:\Users\julio_2h7cnt5\OneDrive\Documentos\Ideas Frescas\AMPI 17 FEB\../Funciones\funciones.py calcular_distancia_haversiner s
A << D << D TD[)I<<t ,L Q 1$txx~'FR^abRbIcghIh'hhA DJJtyy|TYYq1u%5 66AAI c ddl }ddl}d}|j | }g }|D ]q } |j || |dz } g } | r@t
| j d g D ] \ } }
|
j d
d }|
j d d }|
j d
i j di j dd }|
j d
i j di j dd }|d k( s|d k( rt | d | d || }||k s| d| }d| d| }| j | dz ||||||g | j d }|r.t j d |j || |dz | } nn| r@|j | t |j |g d }|S # t $ r }
t d| d|
Y d}
~
d}
~
ww xY w)u
Obtiene una lista de establecimientos cercanos a las coordenadas proporcionadas,
basándose en una lista de tipos de establecimientos.
Args:
coordenadas (tuple): Coordenadas de latitud y longitud (lat, lng).
establecimientos (list): Lista de tipos de establecimientos a buscar (ej. ['restaurantes', 'cafeterías']).
radius (Number): Radio de busqueda en Km
Returns:
pd.DataFrame: DataFrame con la información de los establecimientos encontrados.
r Nr )keyi )querylocationradiusz#Error al realizar la consulta para z: resultsname
No disponibleformatted_addressgeometryr latlngr z, z https://www.google.com/maps?q=,next_page_tokenr )r r r
page_token)IDzNombre de establecimientoEstablecimiento DomiciliolatitudlongitudzLiga de Google Mapscolumns)
googlemapspandasClientplaces Exceptionprint enumerategetr appendtimesleepextend DataFrame) coordenadasestablecimientosr r2 pdapi_keygmapsresultados_totalesestablecimiento
resultadoseestablecimientos_localidadidxlugarnombre direccionr& r' r coordenadas_strliga_google_mapsr) dfs r "obtener_establecimientos_localidadrP s0 7G ' *E , OkZ`aeZe fJ &(" '
y"(E F
U 6?; !II&9? K ii
B/33JCGG_ii
B/33JCGG_/)SO-C 9Q UV Y\^a b &),RuoO *HuAcU'S$ /55sQwYbdgiln~ 7B C) G. )nn-> ?O
1
"\\+^dei^i wF\ G
= B !!"<=[ ,`
( 3e
fB
I] 77H1#N O s F-- G6G
Gc dd l }dd l}d}| | }d}||d} |j || }|j } | d dk( rx| d d }
|
j d d
} |
j d g } d | v rd
}
nd| v rd| v rd}
nd| v rd}
n d| v rd}
nd}
|
j d dg d }|j | |
|g S |j g d S # t
$ r }|j g d cY d }~S d }~ww xY w)Nr r z:https://maps.googleapis.com/maps/api/place/textsearch/json)r r )paramsstatusOKr! ratingr# types fine_diningz Alta Cocina
restaurantcasualz
Cocina Casual fast_foodu Comida Rápidacafeu
CafeteríazOtro Tipo de CocinaTipo no disponible)r# r\ r\ )Error al obtener datosr] r] )requestsr3 r9 jsonSeriesr6 )rowcolumnar^ rA rB restauranteurlrR responsedatarJ calificaciontipos tipo_cocina
tipo_lugarrG s r obtener_informacion_restauranterk k s6 7Gg,K GC F
#i<<F<3}} >T !OA&E !99X?L IIgr*E % + &8u+< - % . 5 * 3 7-A,BCAFJ 99lK DE E99 Z[ [ iyyghhis$ B"C ;C C4C/)C4/C4c f | | j j }|dg|_ g d}|dk( r!t j ||d|||ddi|| }nb|dk( r-t j
||d|| }|j
d n0|d
k( r t j ||d|||ddid }n t d
|j t ddd t ddd t ddddddt dddd gd |j |j |j | y!)"u'
Genera un gráfico interactivo que muestra el total de cada tipo de comercio,
y permite hacer clic para obtener más detalles. Se puede seleccionar el tipo de gráfico.
Args:
df (pd.DataFrame): DataFrame con los datos de los establecimientos.
colum_to_grafic (srt): Nombre de la columna a graficar.
title_grafica (str): Título de la gráfica.
name_grafica (str): Nombre con el que se guardará el archivo de la gráfica.
tipo_grafica (str): Tipo de gráfico a generar ('bar', 'pie', etc.). Por defecto es 'bar'.
Cantidad)z#FFB3BAz#FFDFBAz#FFFFBAz#BAFFC9z#BAE1FFz#D9D9D9z#FFB3D9barTotal)xytitlelabelscolorcolor_discrete_sequencepie)namesvaluesrr ru zu%{label}
Cantidad: %{value}
Porcentaje: %{percent:.2%}
Haga clic para ver los detalles)
hovertemplatelinelinear)rp rq rr rs
line_shapeu= El tipo de gráfico no es válido. Usa 'bar', 'pie' o 'line'.zLato, sans-serif black)familysizert zRoboto, sans-serif ?gffffff?paperFzPlayfair Display, serif z#FF0000italic)r r rt style)textrp rq xrefyref showarrowfontz event+select)
title_fontr annotations clickmoderr N) value_counts reset_indexr1 pxrn rv
update_tracesrz
ValueError
update_layoutdictuppershow
write_html)rO colum_to_grafic
title_grafica name_grafica tipo_graficaconteo_comercios
pastel_colorsfigs r graficar_interactivor sv /*779EEG / < bM u ff%&!( ,oz7 S*-:
<
ff%* &(-: < K
gg&'" ) -
G T!) + XYY 1'J
-Bg
FTw 6RyX`a
!!!# HHJ NN< r c < dd l }dd l}|j t | j j
dgt | j j
}|j | j dg }|j dg }|j dg }| j D ] }| | j dk( s | | j j d k( r}| | j }|j s=|j g|j |< |j g|j |< d
g|j |< d
g|j |< d g|j |< d g|j |< |j | j j d g } |j | j! d
g }
|j dg } | j D ]# }| | j# g| j |< % |j dg } | j D ]$ } | | j% g| j |< & |j dg }
| j D ]$ } | | j' g|
j |< & |j dg }| j D ] }| | j dk( s | | j j d k( rJ| | j d }|j ||j) | z }|g|j |< {| | j+ dk7 r;| | j+ | | j- z dz }|g|j |< dg|j |< |d |d j z dz |d< t/ d| j0 d d| j0 d d |j3 | j3 | j3 | j3 | j3 |
j3 | j3 | j3 |
j3 | }|S # d g| j |< Y UxY w# d g|
j |< Y 'xY w)Nr Nombres)r1 index
Data_Typesr0 u Valor más frecuentezValor menos frecuenteobjectcategoryNahzN/AMissing_ValuesPresent_Values
Unique_ValuesMinMaxImportance_PercentageT) normalized z#La base de datos tiene un total de z filas y r z
columnas.)r3 numpyr> listr1 rx dtypesdtyper" r emptyidxmaxlocidxminisnullsumcountnuniqueminmaxlog2stdmeanr7 shapejoin)rf rA npr1
data_typesmost_frequent_valuesleast_frequent_valuescolr missing_valuespresent_values
unique_values
min_values
max_values
importanceentropycvresults r analisis_base_dato_1r s ll4 3 34$-;!%dll&9&9!: BJ <<1G0H<I LL2I1JL K|| 9??h &$s)//*>*>**L 9113L %%1=1D1D1F0G$((-2>2E2E2G1H%))#.16$((-27%))#. .3G $ $S ).3W ! % %c * \\$++-"3"3"5+;*< " >N \\$**,+;*< " >N LL/):L;M||"&s)"3"3"5!6
# ug .J|| *#'9==?"3JNN3 ug .J|| *#'9==?"3JNN3 '>&? @J|| 9??h &$s)//*>*>**L 911D1ALvvlRWW\-B BCCG#*)JNN3 Cy}}!#3immoS (88C?')d
s#'(c
s# ,66M+NQ[\sQtQxQxQz+z B +BJ&'
/
1
i
ST
V`
ab
\\*
%
*
*+?
@
E
EF[
\
a
abp
q
v
v xF G L L MZ [ ` ` ak l q q r| } B B CM NF MC *#('JNN3 *#('JNN3 s 2!Q.8!R.RRc ddl }|j j j | | st d| d | | j }| | j
}| | j }| | j }| | j }| | j d }| | j d } | |z
}
| | j d } | | j d } | | j d }
| | j }| | j }|j g d
||||||
| | |
||g d }|j d | d
dd g }|dkD r|j d n(|dk r|j d n|j d |dkD r|j d n(|dk r|j d n|j d |
dk r|j d n(|
dkD r|j d n|j d t! d |D ] }t! d | |S ) u
Función que evalúa las métricas estadísticas de una columna numérica en un DataFrame.
La función calcula varias métricas estadísticas, como el valor máximo, mínimo, promedio,
mediana, desviación estándar, percentiles, asimetría, curtosis, y el rango intercuartílico
(IQR) de la columna proporcionada. Luego, crea un DataFrame con los resultados, lo guarda en
un archivo CSV y muestra el resumen de las métricas.
Argumentos:
df (DataFrame): El DataFrame que contiene la columna a evaluar.
columna (str): El nombre de la columna a evaluar.
Salida:
- Un DataFrame con las métricas estadísticas.
- Un archivo CSV con el resumen estadístico.
- Un texto explicando las conclusiones basadas en las métricas calculadas.
r N La columna 'u< ' no es numérica. Por favor, ingrese una columna numérica.g ?g ?g?r g?) u Máximau MínimoPromedioMedianau Desviación Estándaru Rango Intercuartílico (IQR)z Percentil 10z Percentil 50z Percentil 90u
AsimetríaCurtosis)u MétricaValorResumen_Estadistico_.csvF
ISO-8859-1r encodingu= La distribución de los datos está sesgada hacia la derecha.u? La distribución de los datos está sesgada hacia la izquierda.u, La distribución de los datos es simétrica.uZ Los datos tienen colas más pesadas que una distribución normal (curtosis leptocúrtica).uZ Los datos tienen colas más ligeras que una distribución normal (curtosis platicúrtica).uP La distribución de los datos tiene una curtosis normal (curtosis mesocúrtica).
u& Los datos tienen una dispersión baja.2 u& Los datos tienen una dispersión alta.u( La dispersión de los datos es moderada.z
Conclusiones:z- )r3 apirV is_numeric_dtyper r r r medianr quantileskewkurtosisr> to_csvr: r7 )rO rb rA valor_mas_altovalor_mas_bajopromediomedianadesviacion_estandarQ1Q3IQR percentil_10 percentil_50 percentil_90 asimetriacurtosisresumen_estadistico conclusiones
conclusions r estadistica_descriptivar F sk & 66<< ( (G 5<y0lmnn [__&N[__&N'{ !Hk "G W+//+ G d #B G d #B
r'Cg;''-Lg;''-Lg;''-L7 "I'{##%H ,,
( < !5gYd C5[g h L 1} [\ Q ]^ JK!| xy A xy no
Rx DE r DE FG
"
:, # r c b || j vrt d| d | | j j }|dg|_ |d j }|d |z dz |d< |d j |d< ||d |k }|j
ddg }t d| d | |S )
us
Analiza una columna del DataFrame proporcionando información sobre la distribución de sus valores
en cuanto a su frecuencia, porcentaje y porcentaje acumulado.
Parámetros:
df (DataFrame): El DataFrame que contiene los datos a analizar.
nombre_columna (str): El nombre de la columna que se analizará.
porcentaje_acumulado (float): El porcentaje acumulado máximo que debe mostrarse en los resultados.
Retorna:
DataFrame: Un DataFrame con las siguientes columnas:
- 'nombre_columna': Los valores únicos en la columna analizada.
- 'Cantidad': La cantidad de ocurrencias de cada valor.
- 'Porcentaje': El porcentaje de ocurrencias de cada valor respecto al total.
- 'Porcentaje Acumulado': El porcentaje acumulado hasta cada valor.
Lanza:
ValueError: Si 'nombre_columna' no existe en el DataFrame.
r z ' no existe en el DataFrame.rm r
PorcentajezPorcentaje Acumulador0 z'Estos son los datos que representan el z % de los valores. De la columna )r1 r r r r cumsumdropr7 )rO nombre_columnaporcentaje_acumuladodf_ana
suma_activs r analizar_columnasr s , RZZ'<'77STUU
,
,
.
:
:
B B DD12??AHHJG&-n%;\" ~)+@
:
K
JelK r c
p ddl }ddl}ddlm} |d dz dz }|j | }|j ddd d
d d d
dd |j
d }|g d }| |d j j vr0t d| d|d j j ||d | k( }|d j j } || vrt d| d| d| ||d |k( }||d j | }|j d| d | d d d |S )!u
Función que procesa y filtra los datos socioeconómicos por AGEB de un municipio específico dentro de un estado
utilizando la base de datos 'NSE_por_AGEB_AMAI.xlsx'. La función valida que el 'estado' y el 'municipio' sean
correctos antes de realizar el procesamiento de los datos.
Argumentos:
estado (str): El nombre del estado a filtrar en la base de datos.
municipio (str): El nombre del municipio a filtrar en la base de datos.
zona_total_estudio (DataFrame):lista de AGEB a filtrar.
Salida:
CSVs generados:
- 'Nivel_Socioeconomico_por_AGEB_{municipio}_{estado}.csv' con los datos filtrados.
- 'Nivel_Socioeconomico_por_AGEB_{municipio}_{estado}_agrupado.csv' con los datos agrupados por 'AGEB'.
r Nr r r zNSE_por_AGEB_AMAI.xlsxABr r r r r r )u, TOTAL DE VIVIENDAS POR NIVEL SOCIOECONÓMICOz
Unnamed: 8z
Unnamed: 9z Unnamed: 10z Unnamed: 11z Unnamed: 12z Unnamed: 13T)r1 inplacer ) NOMBRE ENTIDADNOMBRE MUNICIPIOzNOMBRE LOCALIDADAGEBr5 r r r r r r zNIVEL PREDOMINANTEr8 z El estado 'u= ' no está en la base de datos. Los estados disponibles son: r9 zEl municipio 'u ' no está en el estado 'z2'. Los municipios disponibles en este estado son: r: ,Nivel_Socioeconomico_por_AGEB_de_interes_en__r Fr r ) r3 r r r r renamer uniquer( r r$ r )
r) r* zona_total_estudiorA r r nse_amai data_amaidata_amai_zona_estudiomunicipios_disponibless
r nivel_socioeconomico_AMAIrD H s " DzL(+CCH
h'I 8< &* + Q'I '
(
Y /0779@@BB;vh.k %&6 7 > > @ G G IJL M M 44JK[4\`f4f g 44F G N N P W W Y..>)4MfX V--C,DF G G 44JK]4^bk4k l 44J64R4W4WXj4k l !!$PQZP[[\]c\ddh"iqv BN! O !!r r) r* localidadc ddl }ddlm} |d }|j | }|d j t
|d< |d j
j
dd |d< |d j
j
dd |d < |d j
j
dd
|d < |d j
j
d
d |d
< |d j
j
d d |d< g d}|j D cg c] }||vs| } }||| z }||d | k( |d |k( z |d |k( z }
d } |
d j | |
d< g d} |
| }
d| d| d| d}
|
j |
d |
S c c}w )u[
Esta función procesa y clasifica los datos del archivo 'enigh_gastohogar.csv'
en función de las categorías de gasto y filtra los datos por Estado, Municipio
y Localidad. Los resultados se guardan en un archivo CSV y se retornan como
un DataFrame para su posterior uso.
Parámetros:
estado (str): Código del Estado para filtrar los datos.
municipio (str): Código del Municipio para filtrar los datos.
localidad (str): Código de la Localidad para filtrar los datos.
Retorna:
DataFrame: Un DataFrame con los datos filtrados y clasificados por gasto.
r Nr zXC:/Users/julio_2h7cnt5/OneDrive/Documentos/Ideas Frescas/MacroDatos/enigh_gastohogar.csvfoliovivr Estado Municipio Localidadr Manzana
Numero_orden)rG rH rJ rL rM c | j d s| dk( ry| j d s| dk( ry| j d ry| d v ry| j d
s| d k( ry | j d
s| j d ry| dv ry| j d s"| j d s| j d ry| dv ry| j d s| dk( ry| j d s| dk( ry| d v ry | d k( ry | d v ry!y")#NAT901 Alimentosr T903Limpiezar
Personales)
F002R007L029N001N002N012N013N014N015T904r T905u
EducaciónBM
Transporte)F001F003F004F005F006F007F008F009F010F011F012F013F014R005R006R012L013N008N016T902T914T906GIKVivienda)R001R002R003R004R008R009R010R011R013N005N007N009T907T910T912HT909zVestido y CalzadoJT911Salud) L001L002L003L004L005L006L007L008L009L010L011L012L014L015L017L018L019L020L021L022L023L024L025L026L027L028N003N006T913
EsparcimientoN004u Turísticos)N010N011T908T915T916zTransparencias de GastoOtro)
startswith)claves r clasificar_gastoz1gastohogar_zona_estudio..clasificar_gasto s+ C EVO
c
"evo
c
"
f
f
c
"evo
c
"e&6&6s&;
G G
c
"e&6&6s&;u?O?OPS?T
O O
c
"evo&
c
"evo
"
f_
>
>,r r Clasificación gasto)rG rH rJ rL rM r r
tipo_gasto
forma_pag1
forma_pag2
forma_pag3
lugar_comp
frecuenciacantidadgasto gastohogar_r< r Fr7 )
r3 r r r astypestrslicer1 applyr )r) r* rE rA r gastohogar_path
gastohogarcolsr
cols_extragastohogar_filtrador columnasnombre_archivos r gastohogar_zona_estudior s uvO _-J (
3 : :3 ?Jz &j155;;AqAJx ( 4 8 8 > >q! DJ{ ( 4 8 8 > >q! DJ{ &z 2 6 6 < r s| 4"IX3inH!^Rjg T/d7:F RO"d] C ] C ] C ] r