138 lines
4.0 KiB
Python
138 lines
4.0 KiB
Python
"""
|
|
01_gestor_paquetes.py
|
|
"""
|
|
import requests
|
|
from collections import Counter
|
|
import statistics
|
|
import pandas as pd
|
|
from bs4 import BeautifulSoup
|
|
|
|
# 1. Lee esta URL y encuentra las 10 palabras más frecuentes.
|
|
# Romeo y Julieta: 'http://www.gutenberg.org/files/1112/1112.txt'
|
|
|
|
url_romeo_julieta = 'http://www.gutenberg.org/files/1112/1112.txt'
|
|
response_romeo_julieta = requests.get(url_romeo_julieta)
|
|
words = response_romeo_julieta.text.split()
|
|
word_counts = Counter(words)
|
|
top_10_words = word_counts.most_common(10)
|
|
|
|
print("10 palabras más frecuentes:")
|
|
for word, count in top_10_words:
|
|
print(word, "-", count)
|
|
|
|
print()
|
|
|
|
# 2. Lee la API de gatos y la URL:
|
|
# 'https://api.thecatapi.com/v1/breeds'
|
|
# y encuentra:
|
|
|
|
url_gatos = 'https://api.thecatapi.com/v1/breeds'
|
|
response_gatos = requests.get(url_gatos)
|
|
data_gatos = response_gatos.json()
|
|
|
|
# - El mínimo, máximo, promedio,
|
|
# mediana y desviación estándar
|
|
# del peso de los gatos en unidades métricas.
|
|
|
|
weights = [cat['weight']['metric'] for cat in data_gatos]
|
|
weights = [float(w.split()[0]) for w in weights]
|
|
min_weight = min(weights)
|
|
max_weight = max(weights)
|
|
avg_weight = statistics.mean(weights)
|
|
med_weight = statistics.median(weights)
|
|
std_weight = statistics.stdev(weights)
|
|
|
|
print("Peso de los gatos en unidades métricas:")
|
|
print("Mínimo:", min_weight)
|
|
print("Máximo:", max_weight)
|
|
print("Promedio:", avg_weight)
|
|
print("Mediana:", med_weight)
|
|
print("Desviación estándar:", std_weight)
|
|
print()
|
|
|
|
# - El mínimo, máximo, promedio,
|
|
# mediana y desviación estándar
|
|
# de la esperanza de vida
|
|
# de los gatos en años.
|
|
|
|
lifespans = [cat['life_span'] for cat in data_gatos]
|
|
lifespans = [int(l.split()[0]) for l in lifespans if l != '']
|
|
min_lifespan = min(lifespans)
|
|
max_lifespan = max(lifespans)
|
|
avg_lifespan = statistics.mean(lifespans)
|
|
med_lifespan = statistics.median(lifespans)
|
|
std_lifespan = statistics.stdev(lifespans)
|
|
|
|
print("Esperanza de vida de los gatos en años:")
|
|
print("Mínimo:", min_lifespan)
|
|
print("Máximo:", max_lifespan)
|
|
print("Promedio:", avg_lifespan)
|
|
print("Mediana:", med_lifespan)
|
|
print("Desviación estándar:", std_lifespan)
|
|
print()
|
|
|
|
# - Crea una tabla de frecuencias
|
|
# de países y razas de gatos.
|
|
|
|
country_counts = Counter([cat['origin']
|
|
for cat in data_gatos if cat['origin'] != ''])
|
|
breed_counts = Counter([cat['name'] for cat in data_gatos])
|
|
|
|
print("Tabla de frecuencias de países:")
|
|
print(pd.DataFrame.from_dict(country_counts, orient='index'))
|
|
print()
|
|
|
|
print("Tabla de frecuencias de razas:")
|
|
print(pd.DataFrame.from_dict(breed_counts, orient='index'))
|
|
print()
|
|
|
|
# 3. Lee la [API de países](https://restcountries.eu/rest/v2/all)
|
|
# y encuentra:
|
|
|
|
# El enlace está caído, uso otra versión
|
|
url_countries = 'https://restcountries.com/v3.1/all'
|
|
response_countries = requests.get(url_countries)
|
|
data_countries = response_countries.json()
|
|
|
|
# - Los 10 países más grandes.
|
|
|
|
df = pd.DataFrame(data_countries)
|
|
df['area'] = pd.to_numeric(df['area'])
|
|
largest_countries = df.nlargest(10, 'area')
|
|
|
|
print("Los 10 países más grandes:")
|
|
for country in largest_countries['name']:
|
|
print(country['common'])
|
|
print()
|
|
|
|
# - Los 10 idiomas más hablados.
|
|
|
|
most_spoken_languages = df.explode('languages').groupby(
|
|
'languages').size().nlargest(10)
|
|
|
|
print("Los 10 idiomas más hablados:")
|
|
print(most_spoken_languages)
|
|
print()
|
|
|
|
# - El número total de idiomas en la API de países.
|
|
|
|
total_languages = len(df.explode('languages')['languages'].unique())
|
|
|
|
print("Número total de idiomas en la API de países:", total_languages)
|
|
print()
|
|
|
|
|
|
# 4. La Universidad de California en Irvine (UCI)
|
|
# es uno de los lugares más comunes para obtener
|
|
# conjuntos de datos para ciencia de datos
|
|
# y aprendizaje automático.
|
|
# Lee el contenido de UCI
|
|
# (https://archive.ics.uci.edu/ml/datasets.php).
|
|
# Sin bibliotecas adicionales, puede ser difícil,
|
|
# por lo que puedes intentarlo con BeautifulSoup4.
|
|
|
|
url = 'https://archive.ics.uci.edu/ml/datasets.php'
|
|
response = requests.get(url)
|
|
soup = BeautifulSoup(response.content, 'html.parser')
|
|
links = [a['href'] for a in soup.find_all('a') if a.has_attr('href')]
|