Programación y uso de Python en el desarrollo del periodismo de datos
Resumen
Uno de los propósitos del periodismo de datos y del periodismo de investigación es la creación de historias visuales a través de la información y el tratamiento de los datos. En este sentido, Python es un lenguaje ideal para todos aquellos que deseen iniciarse en el mundo de la programación y el análisis de datos. Este lenguaje tiene la ventaja de que incluye una gran cantidad de librerías con herramientas que resuelven aspectos muy variados dentro de un proyecto periodístico. Por ejemplo, el acceso a la información contenida en medios digitales, el procesamiento de grandes volúmenes de datos que son difíciles de procesar usando medios tradicionales, así como la generación de gráficos que permitan a los usuarios visualizar los datos e interactuar con ellos. En este artículo presentamos el lenguaje Python junto con el entorno de desarrollo Jupyter notebook y las librerías básicas para la explotación y el análisis de información.
Citas
Bokeh Development Team. (2016) . Bokeh: Python library for interactive visualization. Retrieved from http://bokeh. pydata. org/en/latest/
BOSTOCK, M. (2017) . Data-Driven Docu- ments. Retrieved from https://d3js. org/
BUZZ FEED and the BBC. (2016) . Data and Analysis: Detecting Match-Fixing Patterns In Tennis. Retrieved from https://github.com/BuzzFeedNews/2016-01-tennis- betting-analysis/blob/master/notebooks/ tennis-analysis. ipynb
Continuum Analytics. (2017) . Anaconda: The Most Popular Data Science Ecosystem. Retrieved from https://www. continuum. io/downloads
Data Briks. (2017) . DataBriks: The Unified Analytics Platform. Retrieved from https://community. cloud. databricks. com/login. html
GARCÍA-RUIZ, Y. (2017) . Programación y uso de Python en el desarrollo del periodis- mo de datos. Retrieved from https://github. com/ygarciar/PeriodismoDeDatosUCM/bl ob/c0016a4d5e06a572cb73b620f3265b6 57ef72229/Tema_1/pd. ipynb
Jupyter. org. (2017) . Try Jupyter. Retrieved from https://try. jupyter. org/
Los Angeles Times. (2016) . L. A. vacant buil- ding complaints analysis. Retrieved from https://github. com/datadesk/la-vacant- building-complaints-analysis/blob/master/ la-vacant-building-complaints-analysis. ipynb
MCKINNEY, W. (2012) . Python for Data Analysis. EEUU: O’Reilly.
MONGO DB. (2017) . MongoDB. Retrieved from https://www. mongodb. com/es
MUTHUKADAN, B. (2014) . Selenium with Python. Retrieved from http://selenium- python. readthedocs. io/
NLTK project. (2017) . NLTK project. Retrie- ved from NLTK
Propublica. (2016) . COMPAS (Correctional Offender Management Profiling for Alterna- tive Sanctions) Analysis. Retrieved from https://github. com/propublica/compas- analysis/blob/master/Compas%20Analy- sis. ipynb
Python Software Foundation. (2017) . Python Software Foundation. Retrieved from https://www. python. org/
REITZ, K. (2017) . Requests: HTTP for Humans. Retrieved from http://docs. python-requests. org/en/latest/
RICHARDSON, L. (2017) . Beautiful Soup. Retrieved from https://www. crummy. com/software/BeautifulSoup/
ROSLING, H. (2006) . A Reproduction of Gap- minder. Retrieved from https://demo. bokehplots. com/apps/gapminder
The matplotlib development team. (2016) . Basemap. Retrieved from http://matplotlib. org/basemap/
The Matplotlib development team. (2017) . Matplotlib. Retrieved from http://matplotlib. org/
Twitter. (2017) . The Search API. Retrieved from https://dev. twitter. com/rest/public/search
WASKOM, M. (2017) . seaborn: statistical data visualization. Retrieved from http://seaborn. pydata. org/index. html
Los originales publicados por TecCom Studies son de su propiedad, siendo obligatorio citar la procedencia de los artículos en cualquier reproducción total o parcial.
Los autores conservan los derechos de autor, garantizando a la revista el derecho de ser la primera publicación del trabajo al igual que el licensamiento de Creative Commons Attribution License que permite a otros compartir el trabajo con un reconocimiento de la autoría del trabajo y la publicación inicial en esta revista.
