Proyecto del Primer Cuatrimestre Fundamentos de Programación (Curso 22\23)

Autor/a: Jose Luis Moraza Vergara uvus: [email protected]

Este proyecto tiene como finalidad el análisis de los datos acerca de los terremotos originados en los últimos siglos. Estos estan disponibles en el siguiente dataset cuya URL es:(https://www.kaggle.com/datasets/shekpaul/major-earthquakes-noaa?resource=download&select=NOAA+Earthquaqe+since+1600.csv).

Este dataset contiene 12 columnas en total tras la eliminación de 4 de ellas debido a la falta de valores en estas y la creación de una más de tipo cadena.

Estructura de las carpetas del proyecto

• /src: Contiene los diferentes módulos de Python que conforman el proyecto.

  • modulo1.py: En este módulo encontramos las funciones que analizan y realizan diversas operaciones con cada uno de los datos del dataset.
  • modulo1_test.py: Este módulo contiene las funciones de test para probar cada una de las implementaciones realizadas en el módulo descrito anteriormente modulo1.py
  • parsers.py: Contiene funciones de parseo usadas en el módulo principal modulo1.py que convierten algunos de los datos en enteros, reales o de tipo boolean,estableciendo algunas condiciones para aquellos valores que se encuentran ausentes en el dataset.

• /data: Contiene el dataset o datasets del proyecto

  • dataset1.csv: Dataset con los datos sobre terremotos que van a ser tratados

Estructura del dataset

El dataset contiene diversos datos acerca de la mayoría de los terremotos registrados hasta el día de hoy. Por ejemplo nos aporta información sobre la magnitud, las muertes causadas o la zona del país en la que ocurrieron.

El dataset está compuesto por 12 columnas, con la siguiente descripción:

• id: de tipo int, representa la posición que ocupa los datos del terremoto en el dataset.
• tsunami: de tipo boolean, representa si el terremoto ocasionó o no un tsunami.
• year: de tipo str,representa el año en el que ocurrió el terremoto, esta columna ha sido utilizada para crear el valor de tipo fecha
• month: de tipo str, representa el mes en el que ocurrió el terremoto, esta columna ha sido utilizada para crear el valor de tipo
• day: de tipo str, representa el día en el que ocurrió el terremoto, esta columna ha sido utilizada para crear el valor de tipo fecha
• latitude: de tipo float, representa la latitud a la que ocurrió el terremoto.
• longitude: de tipo float, representa la longitud a la que ocurrió el terremoto.
• focaldepth: de tipo int, representa la profundidad del foco del terremoto.
• magnitude: de tipo float, representa la magnitud del terremoto según la escala de Richter.
• deaths: de tipo int, representa el número de muertes ocasionadas por el terremoto.
• country: de tipo str, indica el país en el que se originó el terremoto.
• country_zone: de tipo str, indica en que zona del país se ha originado el terremoto, esta columna es inventada por lo que sus datos no serán reales.

Tipos implementados

Para agrupar los elementos de una manera más eficiente he definido la siguiente tupla con nombre:

tuplatotal=namedtuple('tuplatotal','id,tsunami,latitude,longitude,focaldepth,magnitude,deaths,fecha,country,country_zone')

Cuyos tipos son:

tuplatotal=namedtuple('tuplatotal','int,boolean,float,float,int,float,int,fecha,str,str')

Decisiones de diseño:

• Las columnas year,month y day sirven para crear el valor de tipo fecha
• La columna tsunami en vez de ser de tipo cadena, ha sido utilizada para crear un valor de tipo bool, estableciendo Yes como True y No o la ausencia de un valor como False

Funciones implementadas

Para la trata de los datos, se han implementado diversas funciones en los distintos módulos del proyecto, siendo modulo1 el principal, modulo1_test el módulo con funciones de testeo que comprueban la funcionalidad de lo implementado en el modulo1 y el módulo parsers el que contiene las funciones de parseo.

modulo1

• abrirdatos(fichero): Con esta función se realiza la apertura y lectura de los datos, además de almacenar cada elemento en una variable según el tipo de dato que sea para luego agruparlos, teniendo como salida una lista de tuplas llamada listatotal , en la que cada tupla representa una línea del dataset

modulo1_test

• mostrardatos(fichero): Con esta función testeamos el código del modulo1, mostrando el número total de registros leídos así como los tres primeros y los tres últimos de ellos. Para realizar esto se invoca a su vez la función abrirdatos.

• main(): Invoca a la función mostrardatos al iniciar el programa, obteniendo así lo requerido para la primera entrega.

parsers

• parsea_fecha(year,month,day): Esta función consigue crear un valor de tipo fecha al introducirle tres parámetros, provenientes de 3 de las columnas del archivo csv , en este caso, las columnas year,month y day.

• parsea_booleano(str_bool): Con esta función conseguimos crear un valor de tipo bool con los datos del archivo csv, en concreto de la columna tsunami

• parsea_float(num_float): Crea valores de tipo float con los datos situados en las columnas latitude,longitude y magnitude, estableciendo una condición para los valores ausentes.

• parsea_int(num_int): Crea valores de tipo entero con datos en las columnas deaths y focaldepth, estableciendo también condiciones para aquellas filas que no tienen valores