GithubHelp home page GithubHelp logo

jhontd03 / accidentapp Goto Github PK

View Code? Open in Web Editor NEW
0.0 1.0 0.0 48.65 MB

Explorando las condiciones que conllevan a la accidentalidad en las carreteras de los Estados Unidos

License: MIT License

Jupyter Notebook 99.36% Python 0.64%

accidentapp's Introduction

Explorando las condiciones que conllevan a la accidentalidad en las carreteras de los Estados Unidos

map accident

Introducción

El presente proyecto hace parte de la práctica final de la Asignatura Visualización de Datos del Máster Universitario en Ciencia de Datos de la UOC.

El conjunto de datos seleccionado se deriva de los reportes de la Administración Nacional de Seguridad del Tráfico en las Carreteras, cuya compilación de informes se crearon para los Estados Unidos, con el objetivo de proporcionar una medida global de la seguridad de las carreteras. Para el desarrollo de este proyecto se ha considerado los datos del periodo 2011-2021.

Con base en esta información se implementa un dashboard con python y la librería streamlit, donde se presentan distintas visualizaciones interactivas cuyo propósito es explorar e identificar las condiciones que conllevan a un mayor o menor grado de accidentalidad en las carreteras de los Estados Unidos.

Instalación

Requisitos

Para la ejecución de la aplicación es necesario instalar python 3.9.16 y los paquetes incluidos en el archivo requeriments.txt. Para usuarios de windows se recomienda usar el emulador de la terminal de comandos cmder similar al bash de linux.

En caso que el archivo python.exe no se puede ejectuar desde la terminal de comandos, es necesario que los usuarios de windows agreguen el directorio de instalación de python a las variables de entorno, tal como se describe en el siguiente tutorial.

Uso

Clone el presente repositorio cree un entorno virtual, instale los paquetes y ejecute el código python directamente.

git clone https://github.com/jhontd03/accidentapp.git
cd accidentapp
python -m venv venv
venv\Scripts\activate
python -m pip install --upgrade pip
pip install -r requirements.txt
streamlit run app_main.py

Estructura del repositorio

El árbol de directorios del repositorio es el siguiente:

.
¦   app_main.py
¦   common.py
¦   EDA_accident.ipynb
¦   etl_process.py
¦   graphs.py
¦   rename.py
¦   __init__.py
¦   
+---.ipynb_checkpoints
¦       EDA_accident-checkpoint.ipynb
¦       
+---data
¦   ¦   data_accident.pkl
¦   ¦   
¦   +---accident_data
¦   ¦       accident_2011.CSV
¦   ¦       accident_2012.csv
¦   ¦       accident_2013.csv
¦   ¦       accident_2014.csv
¦   ¦       accident_2015.csv
¦   ¦       accident_2016.CSV
¦   ¦       accident_2017.CSV
¦   ¦       accident_2018.csv
¦   ¦       accident_2019.CSV
¦   ¦       accident_2020.CSV
¦   ¦       accident_2021.csv
¦   ¦       
¦   +---additional_data
¦           FRPP_GLC_-_United_States_may_9__2023.xlsx
¦           
+---__pycache__
        columns_selection.cpython-39.pyc
        common.cpython-39.pyc
        graphs.cpython-39.pyc

Resultados

Se obtuvo un dashboard que permite explorar de forma interactiva distintas variables del conjunto de datos, con lo cual se identifican algunas condiciones en las que se presentan accidentes de transito en Estados Unidos. El dashboard tambien incluye mapas que permiten explorar la ubicación geográfica de los accidentes en los distitos estados, condados y ciudades de los Estados Unidos. El acceso al dashboard se hace a través de la linea de comandos, o a traves del siguiente enlace.

Licencia

El código del presente proyecto se distribuye bajo licencia MIT. Por la presente se concede permiso, de forma gratuita, a cualquier persona que obtenga una copia de este software y de los archivos de documentación asociados (el "Software"), para comerciar con el Software sin restricciones, incluyendo sin limitación los derechos de uso, copia, modificación, fusión, publicación, distribución, sublicencia y/o venta de copias del Software.

Autor

Jhon Jairo Realpe

[email protected]

accidentapp's People

Contributors

jhontd03 avatar

Watchers

 avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.