Añade preguntas

src/exploratorio/explorar.py

@@ -1,18 +1,60 @@
 import numpy as np
 import pandas as pd
 
-df = pd.read_csv("../../data/dvgm.csv")
-print("Visualización de la base de datos")
-print(df)
 
-atributos = df.columns.values
-print("\nVisualización de los atributos")
-print(atributos)
+class BaseDeDatos:
+    """Clase que manipula los datos trabajados."""
 
-print("\nVisualización de los tipos de datos")
-print(df.info())
+    def __init__(self):
+        """Función que inicializa la clase.
+        Se establecen los métodos que se deben ejecutar al inicializar la clase.
+        """
+
+        self.leer_datos()
+        self.definir_variables()
+        self.preprocesar_datos()
+        self.visualizar_basicos()
+        self.imprimir_atributos_agrupados()
+
+    def leer_datos(self):
+        """Método que lee los datos."""
+
+        data_path = "../../data/dvgm.csv"
+        self.df = pd.read_csv(data_path)
+
+    def definir_variables(self):
+        """Método que define variables necesarias respecto a los datos."""
+
+        self.atributos = self.df.columns.values
+
+    def preprocesar_datos(self):
+        """Método que preprocesa los datos que lo requieren."""
+        self.df.loc[:, "fecha_completa"] = self.df.loc[:, "fecha"] + \
+            " " + self.df.loc[:, "hora_recepcion"]
+
+        self.df.loc[:, "fecha_completa"] = pd.to_datetime(
+            self.df.loc[:, "fecha_completa"], format="%d/%m/%y %H:%M:%S")
+
+    def visualizar_basicos(self):
+        """Método que imprime una visualización básica de los datos."""
+
+        print("Visualización de la base de datos")
+        print(self.df)
+
+        print("\nVisualización de los atributos")
+        print(self.atributos)
+
+        print("\nVisualización de los tipos de datos")
+        print(self.df.info())
+
+    def imprimir_atributos_agrupados(self):
+        """Método que imprime los valores de cada atributo y su respectivo conteo."""
+
+        for atributo in self.atributos:
+            recopilado = self.df.groupby(atributo).count().iloc[:, 0].copy()
+            print("\n\nAtributo agrupado: {}\n".format(atributo))
+            print(recopilado)
 
 
-for atributo in atributos:
-    recopilado = df.groupby(atributo).count().iloc[:, 0].copy()
-    print(recopilado)
+if __name__ == "__main__":
+    bd = BaseDeDatos()

src/exploratorio/preguntas.md

@@ -3,6 +3,8 @@
 ¿Dónde vacían la información?
 ¿Por qué no hay datos antes de 2017?
 ¿Existen datos que no estén digitalizados?
+¿Qué preprocesamiento se realizó antes de publicar los datos?
+¿Las corporaciones llenan algún dato?
 
 Específicas sobre la información en la base de datos
 - Clarificar los valores de los atributos: