Primer proyecto del bootcamp CSIC Data&IA — Upgrade-Hub Este repositorio contiene un dashboard interactivo desarrollado en Streamlit para realizar un Análisis Exploratorio de Datos (EDA) sobre el dataset del Titanic. Este trabajo corresponde al primer desafío práctico del bootcamp CSIC Data&IA de Upgrade‑Hub y fue diseñado para ofrecer una experiencia clara, reproducible y enfocada en la visualización de hallazgos.
Creamos una aplicación web ligera que permite cargar y filtrar el dataset del Titanic, explorar estadísticas descriptivas, visualizar relaciones clave entre variables y generar gráficos personalizados. El objetivo fue transformar datos crudos en insights accionables para un público técnico y no técnico. Contrato del proyecto (inputs / outputs / criterios de éxito):
- Inputs:
data/titanic_clean.csv(por defecto) o CSV personalizado subido por el usuario. - Outputs: panel interactivo con visualizaciones, métricas clave y descarga del subconjunto filtrado.
- Criterios de éxito: la app debe permitir filtrar datos, generar las visualizaciones principales y exportar los datos filtrados sin errores evidentes.
La aplicación está organizada en cuatro pestañas principales, que reflejan las acciones más relevantes en un flujo de EDA:
- 📊 Data
- Vista previa de los datos filtrados.
- Controles para mostrar información del dataset (dimensiones, tipos).
- Descarga del subconjunto filtrado en formato CSV.
- 🔍 EDA (Exploratory Data Analysis)
- Estadísticas descriptivas (describe).
- Visualizaciones predeterminadas: histograma de edad, supervivencia por sexo y por clase, boxplots de tarifa por clase y por puerto, y mapa de correlación entre variables numéricas.
- 📈 Metrics
- Métricas en tiempo real: total de pasajeros, tasa de supervivencia, edad promedio y tarifa promedio.
- Distribuciones por sexo y por clase con porcentajes.
- 🎨 Custom Plots
- Herramienta para crear gráficos personalizados (histograma, conteo, boxplot y scatter).
- Selección dinámica de variables X/Y y opción de agrupar/colorear por una variable con pocas categorías.
- Carga alternativa de datos: uso del CSV por defecto o carga manual desde la interfaz.
- Filtros interactivos en la barra lateral: sexo, clase, puerto de embarque, supervivencia, rango de edad y rango de tarifa.
- Visualizaciones que responden inmediatamente a los filtros aplicados.
- Descarga de los datos filtrados para análisis posteriores.
- Diseño defensivo: manejo de errores en carga y generación de gráficos; fallback a dataset sintético si no hay CSV disponible.
- Lenguaje: Python
- Framework UI: Streamlit
- Manipulación y análisis: pandas, numpy
- Visualizaciones: Plotly Express (y plotly)
- Otras utilidades: seaborn, scikit-learn (mencionadas en instalación)
Dependencias recomendadas (puedes instalarlas con pip):
pip install streamlit pandas numpy plotly seaborn scikit-learn- Clona este repositorio o descarga los archivos al directorio local.
- Asegúrate de tener Python 3.8+ y las dependencias instaladas.
- Ejecuta:
streamlit run app.pyLa app abrirá una pestaña en tu navegador (por defecto http://localhost:8501) donde podrás interactuar con el dashboard.
- Mantuvimos separación clara entre lógica de carga, filtrado y generación de gráficos.
- El código utiliza caching (
@st.cache_data) para optimizar la recarga del dataset. - Recomendación: añadir un fichero
requirements.txtpara fijar versiones antes de compartir o desplegar.
Posibles mejoras a corto plazo:
- Agregar pruebas unitarias básicas para las funciones de filtrado y generación de gráficos.
- Añadir validación más estricta del schema del CSV subido.
- Implementar historias de usuario y un changelog en el repositorio.
app.py— Código fuente principal (dashboard Streamlit).data/titanic_clean.csv— Dataset limpio (esperado por defecto).README.md— Este documento.
Este trabajo es el primer proyecto práctico del bootcamp CSIC Data&IA impartido por Upgrade‑Hub. Fue desarrollado con fines educativos para practicar EDA, visualización y buenas prácticas de ingeniería reproducible.