Trabajo Integrador 2025 - Seminario de Lenguajes Opción Python
Trabajo Integrador 2025
Seminario de Lenguajes Opción Python
El trabajo integrador consta del desarrollo de una aplicación de búsqueda y visualización de
información relacionada a la Encuesta Permanente de Hogares (EPH), a partir de ahora nos
referiremos a la aplicación como [Link]. El desarrollo de este trabajo involucra el
análisis de los datos con los cuales se trabajarán, su limpieza y preparación necesaria y
finaliza con el desarrollo de una interfaz amigable con el usuario/a. El objetivo es que logren
aplicar sus conocimientos de programación mientras exploran datos reales y construyen
una interfaz visual con Streamlit.
El proyecto se divide en dos etapas:
● Primera Etapa: se enfocarán en entender y limpiar los datos de la EPH. Tendrán que
trabajar con los archivos que contienen información sobre hogares e individuos,
aplicar filtros y prepararlos para su uso en la aplicación.
● Segunda Etapa: diseñarán la interfaz en Streamlit e integrarán los datos procesados.
Se crearán diferentes secciones para mostrar información sobre educación,
ocupación, vivienda y otros temas de interés.
Este trabajo será realizado en grupos de cinco personas, por lo que se espera una
distribución equitativa de tareas. Cada integrante del equipo tendrá un rol importante en el
desarrollo, ya sea en la manipulación de datos, programación de funcionalidades, diseño de
la interfaz o documentación del proyecto.
Además de mejorar su manejo de Python y librerías como Pandas, Matplotlib y Streamlit
(entre otras), este proyecto les permitirá desarrollar habilidades de trabajo en equipo, control
de versiones con GitLab y documentación de código.
El presente documento describe el trabajo a realizar y los requerimientos de la primera
entrega.
1.- [Link]: aplicación de búsqueda y
visualización
[Link] consiste en la disponibilización resumida y jerarquizada de la información
contenida en datasets de la encuesta permanente de hogares facilitada por el estado
nacional. Con resumida y jerarquizada nos referimos a que no basta con la presentación
cruda de la información sino que se debe llevar a cabo un proceso de entendimiento de la
Trabajo Integrador 2025 - Seminario de Lenguajes Opción Python
información con la cual se trabaja para poder condensarla en la aplicación de visualización y
búsqueda.
La idea es transformar datos crudos en información comprensible para que cualquier
usuario pueda analizar tendencias y características socioeconómicas de la población
argentina.
La EPH es un programa nacional de producción permanente de indicadores sociales cuyo
objetivo es conocer las características socioeconómicas de la población. Es realizada en
forma conjunta por el Instituto Nacional de Estadísticas y Censos (INDEC) y las Direcciones
provinciales de estadísticas (DPE). Por trimestre se releva y publica cada encuesta.
En una fase inicial nos enfocaremos en los datasets, es decir, comprender su estructura e
información para así lograr extraer la información relevante.
- Sitio de descarga de datasets: ingresar a Microdatos y documentos 2016-2024, Base
de microdatos y luego estarán por trimestre cada encuesta realizada, como se
muestra la Figura 1. Se recomienda realizar la descarga en formato TXT.
Figura 1. Página oficial del INDEC para descargar de datasets
2.- Comprendiendo la EPH
La información de la EPH se obtiene de dos archivos (dos archivos por trimestre de interés),
uno denominado individual y otro hogar. Como su nombre lo indica uno almacena la
información relacionada a los individuos encuestados y el otro a los hogares encuestados.
Trabajo Integrador 2025 - Seminario de Lenguajes Opción Python
La explicación del significado de cada campo se puede obtener del archivo “Encuesta
Permanente de Hogares - Diseño de registro y estructura para las bases preliminares Hogar
y Personas” que también se encuentra disponible para su descarga.
Aclaración importante: si bien trimestre tras trimestre la metodología no acostumbra a
cambiar se debe constatar para el trimestre a analizar el archivo de diseño y estructura.
3.- Funcionalidades de la primera etapa
En esta primera parte del trabajo, se deben cumplir dos objetivos principales:
1. Entender y procesar los conjuntos de datos originales para dejarlos listos para su
uso en la implementación de la interfaz de usuario.
2. Iniciar el proyecto Streamlit, que servirá de base para la mencionada interfaz y se
continuará en la segunda parte del trabajo integrador.
3.1.- Procesamiento de los datasets
Se requiere la creación de al menos dos archivos de formato Jupyter Notebook para el
procesamiento del archivo individuos y otro el de hogares. Cada uno contendrá las
operaciones destinadas al procesamiento, análisis y limpieza de los conjuntos de datos
originales (añadir los comentarios necesarios para su entendimiento).
Procesamiento
Importante: tal y como indica el archivo explicativo recuerden que cada fila se encuentra
ponderada, es decir, una fila del archivo individuos no representa a UN individuo sino que
representa tantos individuos como la columna PONDERA lo indica. Situación similar ocurre
con el archivo de hogar. Un resultado que no contemple la ponderación es un resultado
incorrecto.
Antes de comenzar con el procesamiento comprobaremos que comprendemos la estructura
del dataset.
- Carguen el archivo perteneciente al tercer trimestre del 2024 e informe cuántos
varones y mujeres representa el dataset.
Ayuda: recuerden ponderar los datos. Columna de interés: CH04.
- Informen cuántas personas mayores de edad han completado los estudios
secundarios.
- Informen el porcentaje de viviendas que son ocupadas por el/la propietario/a de la
vivienda y del terreno.
- Informen el aglomerado con mayor y menor cantidad de viviendas con más de 2
ocupantes que no posean baño.
Trabajo Integrador 2025 - Seminario de Lenguajes Opción Python
Se recomienda que cada integrante del equipo realice a modo de práctica los ejercicios
anteriores. Los mismos son simplemente a modo de entrenamiento, no son parte del
sistema en sí.
Procesamiento e información a obtener
Sección A: generación del dataset principal
1. Se debe definir una carpeta, cuyo path debe ser configurable vía una variable, donde
se almacenarán el conjunto de archivos de “individuos” y “hogares”.
2. Se debe generar una sección de código dentro del notebook que busque en la
mencionada carpeta cada uno de los archivos “individuos” y “hogares” y los una. Es
decir, si en la carpeta tenemos tres archivos de individuos (año 2023 trimestre 1, año
2023 trimestre 2, año 2024 trimestre 1) se debe leer la información de cada uno y
generar un dataset que contenga toda la información.
Recordar que dentro de las columnas de información se encuentra el año y trimestre,
por lo que luego de unirse se puede conocer fácilmente el período al cual pertenece.
Esta operación automática de búsqueda y generación de dataset se debe realizar
tanto para el archivo de individuos como el de hogares.
Informacion individuos:
3. Se debe traducir los valores CH04 numéricos a "Masculino" y "Femenino" según
corresponda. El resultado se debe almacenar en una nueva columna llamada
CH04_str.
4. Se debe traducir los valores NIVEL_ED numéricos a descripciones en formato texto.
El resultado se debe almacenar en una nueva columna llamada NIVEL_ED_str. La
transformación debe seguir las siguientes reglas:
- 1: "Primario incompleto".
- 2: "Primario completo".
- 3 "Secundario incompleto".
- 4: "Secundario completo".
- 5 a 6: "Superior o universitario".
- 7 o 9: “Sin informacion”.
5. Se debe crear una nueva columna denominada CONDICION_LABORAL de formato
texto. La transformación debe seguir las siguientes reglas:
Trabajo Integrador 2025 - Seminario de Lenguajes Opción Python
- Ocupado autónomo: si ESTADO es igual a 1 y CAT_OCUP es 1 o 2.
- Ocupado dependiente: si ESTADO es igual a 1 y CAT_OCUP es 3 o 4 o 9.
- Desocupado: si ESTADO es igual a 2.
- Inactivo: si ESTADO es igual a 3.
- Fuera de categoría/sin información: si ESTADO es igual a 4
6. Se debe generar una nueva columna llamada UNIVERSITARIO numérica que indica si
una persona mayor de edad ha completado el como mínimo el nivel universitario (1:
Sí, 0: No, 2: no aplica).
Informacion hogar:
7. Se debe generar una nueva columna llamada TIPO_HOGAR que indica el tipo de
hogar:
- "Unipersonal" (una persona).
- "Nuclear" (2 a 4 personas).
- "Extendido" (5 o más personas).
8. Se debe generar una nueva columna llamada MATERIAL_TECHUMBRE que indica el
tipo de hogar basado en el campo V4:
- 5 a 7: "Material precario".
- 1 a 4: "Material durable".
- 9: “No aplica”.
9. Se debe generar una nueva columna denominada DENSIDAD_HOGAR. La generación
debe seguir las siguientes reglas:
- Bajo: menos de 1 persona por habitación.
- Medio: entre 1 y 2 personas por habitación.
- Alto: más de 2 personas por habitación.
10.Se debe generar una nueva columna llamada CONDICION_DE_HABITABILIDAD, la
misma califica a las viviendas y puede tener el valor de: insuficiente, regular,
saludables y buena.
Las reglas que definen la clasificación de las viviendas deben ser definidas por cada
grupo analizando los datos con los que se cuentan. El único requisito es considerar
al menos 5 de las siguientes columnas:
- IV6: tiene agua.
- IV7: origen del agua.
- IV8: posee baño.
- IV9: ubicación del baño.
Trabajo Integrador 2025 - Seminario de Lenguajes Opción Python
- IV10: tipo de baño.
- IV11: desagüe del baño.
- MATERIAL_TECHUMBRE: creado anteriormente
- IV3: material de pisos interiores.
Un ejemplo de regla podría ser:
- Clasifican como CONDICION_DE_HABITABILIDAD insuficiente si no poseen
agua, o no poseen baño, o si poseen baño pero el mismo está fuera del
terreno, o si el desagüe del baño es a un hoyo en la tierra. Cabe aclarar que
exactamente este ejemplo no se puede utilizar en este inciso.
Sección B: información a obtener: consultas al dataset principal
Tomando como fuente los datasets generados en la sección A y sus nuevas columnas:
1. A partir de la información de cada año contenida en el dataset se debe informar, año
tras año, el porcentaje de personas mayores a 6 años capaces e incapaces de leer y
escribir.
Importante: tomar la información del último trimestre de cada año.
2. A partir de un año y trimestre elegido por el usuario informar el porcentaje de
personas no nacidas en Argentina que hayan cursado un nivel universitario o
superior.
3. A partir de la información contenida en el dataset informar el año y trimestre donde
hubo menor desocupación.
4. Ranking de los 5 aglomerados con mayor porcentaje de hogares con dos o más
ocupantes con estudios universitarios o superiores finalizados. Información obtenida
a partir del par de archivos más recientes.
5. Informar para cada aglomerado el porcentaje de viviendas ocupadas por sus
propietarios.
6. Informar el aglomerado con mayor cantidad de viviendas con más de dos ocupantes
y sin baño. Informar también la cantidad de ellas.
7. Informar para cada aglomerado el porcentaje de personas que hayan cursado al
menos en nivel universitario o superior.
8. Ordenar las regiones de forma descendente según el porcentaje de inquilinos de
cada una.
Trabajo Integrador 2025 - Seminario de Lenguajes Opción Python
9. Pedir al usuario que seleccione un aglomerado y a partir de la información contenida
retornar una tabla que contenga la cantidad de personas mayores de edad según su
nivel de estudios alcanzados.
A modo de ejemplo:
Nombre de Aglomerado
Año Trimestre Primario Primario Secundario Secundario Superior o
incompleto completo Incompleto Completo universitario"
2020 1
2020 2
2020 3
2020 4
2021 1
2021 2
10.Pedir al usuario que seleccione dos aglomerados y a partir de la información
contenida retornar una tabla que contenga el porcentaje de personas mayores de
edad con secundario incompleto.
A modo de ejemplo:
Año Trimestre Aglomerado A Aglomerado B
2020 1 27% 10%
2020 2 29% 15%
2020 3 29% 16%
2020 4 28% 14%
2021 1 30% 14%
2021 2 31% 14%
11.Pedir al usuario que seleccione un año, y busque en el último trimestre almacenado
del mencionado año, el aglomerado con mayor porcentaje de viviendas de “Material
precario” y el aglomerado con menor porcentaje de viviendas de “Material precario”.
Trabajo Integrador 2025 - Seminario de Lenguajes Opción Python
12.A partir de la información del último trimestre almacenado en el sistema se debe
retornar para cada aglomerado el porcentaje de jubilados que vivan en una vivienda
con CONDICION_DE_HABITABILIDAD insuficiente.
13.Solicitar un año al usuario y a partir de la información del último trimestre de dicho
ejercicio informar la cantidad de personas que hayan cursado nivel universitario o
superior y que vivan en una vivienda con CONDICION_DE_HABITABILIDAD
insuficiente
3.2.- Comenzar aplicación Streamlit
Se solicita que generen un menú en el sidebar con las siguientes páginas:
● (P1) Inicio
● (P2) Carga de datos
● (P3) Búsqueda por tema
● (P4) Visualización
En las páginas P3 y P4 no es necesario agregar funcionalidad.
La página 1 (P1) debe contener:
- Un título con el nombre de la aplicación (el que ustedes deseen).
- Un pequeño párrafo explicando brevemente la información que se almacena, es
decir, que contiene la EPH.
- En la etapa 2 se agrega las indicaciones de uso de la interfaz.
La página 2 (P2) debe:
- Dar a conocer la información con la que cuenta actualmente el sistema. Para esto
debe extraer el desarrollo de la “Sección A: generación del dataset principal.” punto 1
y 2 para así detectar de qué años y trimestres se contiene información. Solo es de
importancia el primer y último año y trimestre.
Ejemplo: “El sistema contiene información desde el 01/2016 hasta el 03/2024.”
- Contener un botón que fuerce la actualización del dataset a partir de los archivos
contenidos en la carpeta configurada en el punto 1. El objetivo es poder descargar un
nuevo par de archivos correspondientes a un trimestre mientras la interfaz
permanece encendida y poder forzar su incorporación para trabajar con ellos.
Trabajo Integrador 2025 - Seminario de Lenguajes Opción Python
4.- Consideraciones generales de implementación
El software implementado deberá funcionar correctamente tanto en Windows, Linux o Mac.
Se deberá armar una estructura de directorios organizando los archivos en carpetas y
subcarpetas de manera tal que mantengan el código organizado haciendo que sea fácil de
actualizar y de corregir. Se evaluará tanto el código como su organización.
El código se deberá subir a un repositorio de GitLab designado por la cátedra. En este
repositorio, cada equipo deberá incluir un archivo denominado [Link] que contenga el
nombre de los integrantes del equipo y las instrucciones para ejecutar cada aplicación.
Además, se solicitará un archivo que enumere las bibliotecas necesarias, siguiendo la
metodología explicada en las prácticas para este propósito.
Para el desarrollo del código se deberá cumplir con los siguientes requerimientos:
● En esta primera etapa del trabajo integrador NO se pueden utilizar las librerías de
Python pandas y pyeph.
● Usar la herramienta Streamlit para el desarrollo de la interfaz gráfica.
● Documentar el código usando docstrings en funciones y clases (estas últimas caso
de ser utilizadas).
● Incluir un archivo LICENSE con la licencia del código.
● Se debe tener en cuenta las guías de estilo de Python para la escritura de código.
● Definir una estructura de carpetas que permita estructurar el código de forma prolija.
4.1.- Consideraciones de la entrega y defensa
Si bien el trabajo es grupal, la nota de la defensa es INDIVIDUAL.
La defensa se lleva a cabo durante el horario de consulta la semana posterior a la fecha de
entrega. Este proceso implica la realización de un encuentro virtual o presencial con el
ayudante asignado, durante el cual se formulan una serie de preguntas relacionadas con la
entrega. Dichas preguntas están dirigidas a los distintos miembros del grupo, distribuyendo
equitativamente la participación entre todos ellos. La finalidad es que cada integrante tenga
la oportunidad de responder. La evaluación se basa en el desempeño de las respuestas, lo
que determina finalmente la nota asignada a cada miembro del grupo en relación con la
entrega realizada.
Esto implica que, aunque se trate de una entrega grupal, las calificaciones entre los
miembros del grupo pueden variar.
Trabajo Integrador 2025 - Seminario de Lenguajes Opción Python
Tener en cuenta que es fundamental mantener una participación activa tanto en las
consultas prácticas como en el repositorio de GitLab. Esto permitirá al ayudante obtener una
comprensión conceptual del conocimiento de cada participante del grupo.
4.2.- Detalles de entrega
La fecha de entrega de la primera etapa es el día 7 de mayo a las 23:59 hs. La defensa será
la semana del 12 de mayo en horario de la consulta práctica.
La primera entrega otorga al estudiante un máximo de 35 puntos, los cuales se basan en su
desempeño durante las consultas y la defensa.
5.- Criterios de Evaluación
La distribución de los puntos de la entrega estará disponible en la rúbrica asociada a la
tarea. Se evaluará:
● Funcionalidad implementada de acuerdo al enunciado.
● Cumplimiento de las consideraciones planteadas.
● Código subido en tiempo y forma al repositorio de GitLab indicado.
● Participación individual activa durante el desarrollo del trabajo, que incluye
asistencia a las consultas (tanto virtuales como presenciales) y contribuciones al
repositorio de GitLab.
● En la defensa, se espera que cada integrante del grupo demuestre los conocimientos
utilizados para la realización del trabajo.
