Mi nombre es Juan Carrillo. El objetivo de este notebook es resolver el problema 3

Ejercicio No. 3 - Amigos congueros • Entre en contacto con 10 estudiantes del curso de datos y 2 profesores o personal de soporte de LaConga, uno del curso de datos y otro de afuera, y consulte su nombre completo, su nombre de usuario en mattermost, edad, pais de origen, ciudad donde residen, su especialidad científica, nombre del instituto en que estudian/laboran, y un hobbie o afición. • Cree un diccionario llamado “compas”, donde la llave sea el nombre de usuario en mattermost, y si depliego el valor almacenado, por ejemplo en compas[“juan-pineda”], lo que obtengo es a la vez otro diccionario, con las llaves “nombre”, “apellido”, “país”, “residencia”, “edad”, “institución”, “hobbie”.

Para este punto se define la variable compas como un dictionary, y se pobla con los datos reunidos a través de Mattermost a manera de un nested dictionary

• Cree una función que reciba como entrada el diccionario y un país de origen, y retorne las informaciones completas de todas las personas de ese país, tabuladas en una forma fácil de entender.

Se define la función Amigos_congueros que recibe como entrada el dicitonary que se desea filtrar, en este caso compas, y solicita al usuario digitar el país del cuál desea tener información

A través de un ciclo for la función itera dentro de los valores del dictionary y busca aquellos donde la información del país de origen sea igual a la digita por el usuario y añade dicha información a un dictionario llamado filtereddic, debido a que las llaves son los nombres de mattermost que son unicos no hay problema con sobre-escritura de información

Finalmente para mostrar a manera tabulada la información filtrada se convierte el dictionary a un dataframe dandole uso a la función de creación DataFrame usando from_dict de Pandas

Acá se muestra la información ejemplo filtrando por el país Colombia

Se crea una función llamada Promedio_Edad, la cuál tiene como unico argumento dic, que corresponde al dictionario, que contenga datos de Edad, del cuál se quiera obtener el promedio de edad

La función convierte el dictionario en un Dataframe de la misma manera del punto anterior, selecciona la columna con la información de edad y obtiene el promedio de dicha columna usando la función mean de pandas

Acá se muestra un ejemplo para el diccionario Compas

De manera analoga al punto anterior se crea una función llamada Instituciones_Conguera, la cuál, igual que el punto anterior, convierte el dictionary en un Dataframe, selecciona la columna con la información de Instituciones y obtiene los valores únicos a través de la función Unique de pandas

Acá se muestra un ejemplo para el diccionario Compas