Skip to content

Latest commit

 

History

History
129 lines (82 loc) · 3.64 KB

INSTRUCTIONS.es.md

File metadata and controls

129 lines (82 loc) · 3.64 KB

Interactuando con la API v2 del World Bank

En este proyecto vas a construir un flujo de datos completo: consumo de API, transformacion a DataFrame, analisis visual y carga a base de datos SQL.

Contexto del ejercicio

Trabajaras con la API publica del World Bank v2 (sin autenticacion). El objetivo es analizar la evolucion socioeconomica y ambiental de 5 paises elegidos por ti entre 2010 y 2024.

Seleccion del dataset

  1. Elige 5 paises (ISO3) que te interesen.
  2. Elige los indicadores que quieras analizar.
  3. Recomendacion de indicadores (opcional):
  • SP.POP.TOTL: Poblacion total
  • NY.GDP.PCAP.CD: PIB per capita (USD actuales)
  • EN.ATM.CO2E.PC: Emisiones de CO2 per capita (toneladas metricas)
  • SP.DYN.LE00.IN: Esperanza de vida al nacer (anios)

API base: https://api.worldbank.org/v2

Requisitos tecnicos

Debes trabajar en un archivo .ipynb y usar:

  • requests
  • pandas
  • matplotlib y/o seaborn
  • sqlalchemy

Paso 1: Preparar entorno

Instala dependencias:

pip install requests pandas matplotlib seaborn sqlalchemy

Crea un notebook, por ejemplo: src/world_bank_analysis.ipynb.

Paso 2: Explorar la API

Revisa estos endpoints de referencia:

  • Paises: https://api.worldbank.org/v2/country
  • Indicadores: https://api.worldbank.org/v2/indicator

Verifica la estructura de respuesta. La API pagina resultados (habitualmente hasta per_page=50), asi que debes pensar una estrategia para recorrer paginas y almacenar toda la informacion necesaria.

Request de ejemplo en Python (plantilla):

import requests

url = "https://api.worldbank.org/v2/country"
params = {
    "format": "json",
    "per_page": 50,
    "page": 1
}

response = requests.get(url, params=params, timeout=30)
response.raise_for_status()
payload = response.json()

# payload[0] -> metadatos de paginacion
# payload[1] -> datos de la pagina actual
print("Metadatos:", payload[0])
print("Primer elemento:", payload[1][0])

IMPORTANTE: El código mencionado arriba es orientativo. En el link de abajo tienes toda la información necesaria para llevar a cabo un llamado a la API:

https://datahelpdesk.worldbank.org/knowledgebase/articles/898581

Paso 3: Descargar datos

Descarga series temporales 2010-2024 para los paises e indicadores que elegiste.

Objetivo:

  • Consumir la API para varios paises e indicadores
  • Manejar paginacion cuando aplique
  • Guardar respuestas en una estructura temporal (lista de diccionarios)

Paso 4: Transformar respuesta a DataFrames

Crea una tabla (DataFrame) por indicador para facilitar comparaciones entre paises.

Columnas sugeridas por tabla:

  • country
  • year
  • value

Limpieza minima:

  • Eliminar filas con value nulo cuando sea necesario
  • Convertir year a entero
  • Convertir value a numerico

Paso 5: Analisis y visualizaciones

Genera al menos 2 graficos y explica hallazgos en celdas Markdown.

Ejemplos:

  1. Line chart: evolucion de un indicador por pais (2010-2024)
  2. Scatter plot: relacion entre dos indicadores para un anio reciente

Paso 6: Cargar resultados a base de datos SQL

Usa SQLite con SQLAlchemy para persistir datos:

  • Base de datos: world_bank_analysis.db
  • Recomendacion didactica: una tabla por indicador (ejemplo: indicator_gdp_per_capita, indicator_life_expectancy, etc.)

Flujo recomendado:

  1. Crear engine con SQLAlchemy
  2. Guardar cada DataFrame con to_sql(..., if_exists="replace")
  3. Leer una muestra con pd.read_sql() para validar carga

Cierre

¡Ya tienes todo para comenzar! Tomate tu tiempo para investigar la documentacion de la API y entender bien la estructura de las respuestas. Si te surge cualquier duda durante el proceso, contacta a tus mentores.