Propósito

El ejercicio usa data Kaggle para ejecutar el proceso de análisis de información recuperada vía IoT de un sembradío de Lechuga, la idea es encontrar las condiciones ideales que señalen el máximo crecimiento posible de las lechugas.

El análisis es realizado en colab y utilizando librerías Python mostradas enseguida.

Acerca del Conjunto de Datos

Este conjunto de datos integral proporciona información valiosa sobre los patrones de crecimiento de diversas plantas bajo distintas condiciones ambientales. Recopilado a lo largo del tiempo, ofrece una visión detallada de cómo factores como la temperatura, la humedad, el nivel de pH y los Sólidos Disueltos Totales (TDS) influyen en las etapas de crecimiento y desarrollo de estas plantas." 

CÓDIGO

RESULTADOS

Obtención de datos...

Ruta a los archivos del dataset: /root/.cache/kagglehub/datasets/jjayfabor/lettuce-growth-days/versions/6

Plant_ID,Date,Temperature (°C),Humidity (%),TDS Value (ppm),pH Level,Growth Days

1,8/3/2023,33.4,53,582,6.4,1

1,8/4/2023,33.5,53,451,6.1,2

1,8/5/2023,33.4,59,678,6.4,3

1,8/6/2023,33.4,68,420,6.4,4

1,8/7/2023,33.4,74,637,6.5,5

1,8/8/2023,32.3,77,478,6.8,6

1,8/9/2023,32.3,75,682,6,7

1,8/10/2023,22.7,63,576,6.3,8

1,8/11/2023,31.9,69,662,6.1,9

Analizando archivo: lettuce_dataset.csv

Tamaño del archivo: 99.42 KB

Última modificación: 2025-03-18 22:11:31

Archivo leído exitosamente con codificación: latin-1

== ESTRUCTURA DEL DATASET ==

   Plant_ID      Date  Temperature (°C)  Humidity (%)  TDS Value (ppm)  \

0         1  8/3/2023              33.4            53              582   

1         1  8/4/2023              33.5            53              451   

2         1  8/5/2023              33.4            59              678   

3         1  8/6/2023              33.4            68              420   

4         1  8/7/2023              33.4            74              637   

   pH Level  Growth Days  

0       6.4            1  

1       6.1            2  

2       6.4            3  

3       6.4            4  

4       6.5            5  

== INFORMACIÓN DEL DATASET ==

Número de filas: 3169

Número de columnas: 7

== TIPOS DE DATOS ==

Plant_ID              int64

Date                 object

Temperature (°C)    float64

Humidity (%)          int64

TDS Value (ppm)       int64

pH Level            float64

Growth Days           int64

dtype: object

== DATOS NULOS ==

No hay datos nulos

== TRANSFORMACIÓN DE DATOS ==

Columnas originales: ['Plant_ID', 'Date', 'Temperature (°C)', 'Humidity (%)', 'TDS Value (ppm)', 'pH Level', 'Growth Days']

Columnas normalizadas: ['Plant_ID', 'Date', 'Temperature', 'Humidity', 'TDS', 'pH', 'Growth_Days']

Columna 'Temperature' convertida a numérica. Valores nulos: 0

Columna 'Humidity' convertida a numérica. Valores nulos: 0

Columna 'TDS' convertida a numérica. Valores nulos: 0

Columna 'pH' convertida a numérica. Valores nulos: 0

Columna 'Growth_Days' convertida a numérica. Valores nulos: 0

Columnas numéricas disponibles para el análisis: ['Temperature', 'Humidity', 'TDS', 'pH', 'Growth_Days']

== ESTADÍSTICAS DESCRIPTIVAS ==

              count        mean         std    min    25%    50%    75%    max

Temperature  3169.0   28.142222    4.670521   18.0   23.6   30.2   31.5   33.5

Humidity     3169.0   64.873462    8.988985   50.0   57.0   65.0   73.0   80.0

TDS          3169.0  598.045440  115.713047  400.0  498.0  593.0  699.0  800.0

pH           3169.0    6.399211    0.234418    6.0    6.2    6.4    6.6    6.8

Growth_Days  3169.0   23.140107   13.075415    1.0   12.0   23.0   34.0   48.0

== ESTADÍSTICAS DESCRIPTIVAS CON MEDIANA, RANGO Y CV ==

              count    mean     std    min    25%    50%    75%    max  \

Temperature  3169.0   28.14    4.67   18.0   23.6   30.2   31.5   33.5   

Humidity     3169.0   64.87    8.99   50.0   57.0   65.0   73.0   80.0   

TDS          3169.0  598.05  115.71  400.0  498.0  593.0  699.0  800.0   

pH           3169.0    6.40    0.23    6.0    6.2    6.4    6.6    6.8   

Growth_Days  3169.0   23.14   13.08    1.0   12.0   23.0   34.0   48.0   

             mediana  rango     cv  

Temperature     30.2   15.5  16.60  

Humidity        65.0   30.0  13.86  

TDS            593.0  400.0  19.35  

pH               6.4    0.8   3.66  

Growth_Days     23.0   47.0  56.51  

Comentarios finales

El análisis de datos permite visualizar el rango de optimalidad de las variables ambientales. La versatilidad de las librerías permiten evidenciar los patrones y comportamientos de los datos históricos y con ellos llegar a conclusiones eficientes en razón del objetivo buscado, que en este caso se pretende identificar la combinación de variables que propicien más el crecimento de la cosecha.