Fecha límite: Jueves 5 de marzo, 11:59 PM

Debe hacer un fork de este repositorio a su cuenta de GitHub.

¿No sabes cómo hacer un fork? Mira este video tutorial: Cómo hacer un Fork en GitHub

Clone su fork y complete los 30 ejercicios en la carpeta soluciones/. Actualice el README con las respuestas correctas.

Una vez completado, cree un Pull Request (PR) hacia el repositorio principal.

Recursos útiles:

• Guía de Pull Requests en GitHub

El PR debe incluir:

• Código de las 30 soluciones en soluciones/
• README actualizado con todas las respuestas
• Descripción clara de su trabajo
• Cualquier mejora o documentación adicional que considere relevante

⚠️ Puede modificar cualquier archivo del repositorio EXCEPTO el archivo data/personas.csv

Siéntase libre de mejorar:

• Documentación adicional
• Scripts de verificación
• Visualizaciones
• Organización del código
• Cualquier otra mejora que considere valiosa

• ✅ Las 30 soluciones implementadas en soluciones/
• ✅ Todas las respuestas verificadas y correctas
• ✅ README actualizado con las respuestas
• ✅ Código limpio y funcional

🏆 El Pull Request mejor presentado será aceptado y se convertirá en la versión oficial del taller.

Beneficios del ganador:

• Su PR será merged al repositorio principal
• Su trabajo se convertirá en la referencia oficial del taller
• +1.0 punto adicional en la calificación final

Criterios de evaluación para el mejor PR:

• 📊 Calidad del código y organización
• 📝 Claridad de la documentación
• 🎨 Presentación profesional del repositorio
• 💡 Mejoras o aportes adicionales al proyecto
• ✨ Creatividad en la presentación de resultados

Nota: Todas las soluciones serán verificadas automáticamente. Resultados incorrectos descalificarán automáticamente al participante.

El repositorio debe contener:

├── soluciones/
│   ├── 01.py
│   ├── 02.py
│   ├── 03.py
│   ├── ...
│   └── 30.py
├── data/
│   └── personas.csv
└── README.md  (con las soluciones)

Cada archivo .py dentro de la carpeta soluciones/ debe contener el código que resuelve el ejercicio correspondiente.

• Archivo: data/personas.csv
• Registros: 300,000 filas
• Columnas: id, nombre_cifrado, apellido_cifrado, ciudad, profesion, email, fecha_nacimiento, salario, activo

El dataset tiene intencionalmente datos sucios en el 30% de cada columna:

• Espacios adicionales
• Caracteres especiales (@, %, #)
• Mayúsculas inconsistentes
• Formatos variados

Los campos nombre_cifrado y apellido_cifrado usan cifrado ROT13:

import codecs
nombre = codecs.decode(texto, 'rot_13')

A continuación se listan los 30 ejercicios. Debe escribir el valor exacto de la respuesta en la columna "Solución".

import pandas as pd
import codecs

# Cargar datos
df = pd.read_csv('data/personas.csv')

# Descifrar nombres con ROT13
df['nombre'] = df['nombre_cifrado'].apply(lambda x: codecs.decode(str(x), 'rot_13'))

# Contar cuántas veces aparece "Maria"
cantidad = df[df['nombre'] == 'Maria'].shape[0]

print(f"El nombre 'Maria' aparece {cantidad} veces")

(El número 15234 es solo un ejemplo, debe calcular el valor real)

# Ejecutar un script de solución
uv run python soluciones/01.py

# O si no usa uv
python soluciones/01.py

El proyecto usa pandas y matplotlib. Si usa uv:

uv add pandas matplotlib

Si usa pip:

pip install pandas matplotlib