Parte V: Un análisis, muchas publicaciones
Quarto, publicación reproducible, agentes de programación, Markdown, Python, EPUB, análisis de datos, k-means
Donde se analiza el agua del grifo en Colombia, la del campo tiene mucho más riesgo que la de las cabeceras. En 2023, de las zonas rurales (el campo de un municipio, fuera de su cabecera) con un puntaje de riesgo del agua de prestadores, el 28% quedó en los niveles de riesgo alto o inviable sanitariamente, frente al 6% de las urbanas. Y buena parte del agua rural no tiene ningún puntaje: ese año, 6.8 millones de los 12.6 millones de personas de las zonas rurales vivían donde los datos abiertos no registran ninguno.
Esta parte pregunta qué tipos de zona municipal existen, a juzgar por la calidad del agua, los servicios y el contexto, y en qué se diferencian la mortalidad infantil, los puntajes de los exámenes y la deserción escolar entre esos tipos. Cada fila de sus datos es una zona-año: la zona urbana (la cabecera) o la zona rural de un municipio en un año. El análisis agrupa esas filas, así que las dos zonas de un municipio pueden ser de tipos distintos. Tú haces el análisis. Tus lectores son funcionarios, que necesitan un informe, y un concejo municipal, que necesita diapositivas, y ambos merecen una respuesta que diga con claridad lo que los datos no pueden mostrar:
- El 17 La pregunta, los datos y las reglas precisa qué se pregunta, qué significan los datos y qué no puede hacer el agente.
- El 18 Mira antes de modelar encuentra dónde los datos están vacíos o engañan, y presenta a Tunja, el municipio que sigue esta parte.
- El 19 De la tabla a las características convierte la tabla en características que un agrupamiento puede usar, y cuenta lo que cuesta.
- El 20 Encontrar tipos de lugares: k-means deja que un algoritmo agrupe las zonas-año y decide cuántos grupos hay.
- El 21 Interpretar los clústeres les pone nombre a los tipos y compara sus variables de resultado.
- El 22 Correlación no es causalidad pregunta si una peor agua va de la mano con más muertes infantiles, y por qué eso no es una causa.
- El 23 Publicar en muchos formatos convierte un solo conjunto de resultados en un informe, diapositivas, una entrada de blog y un sitio web.
Los ejercicios al final de la parte comprueban si puedes hacerlo sin los prompts.