EstudiApp

Taller EstudiApp

Taller 5: "EstudiApp" en Google Colab

Objetivo: Crear una aplicación en Python que permita registrar materias, horarios y fechas de exámenes/tareas, consultar su calendario y visualizarlo.

Paso 1: Estructura base

estudio = {
    "materias": []
}

Paso 2: Registrar materias y eventos

def agregar_materia(nombre, horario, examen):
    materia = {
        "nombre": nombre,
        "horario": horario,
        "examen": examen
    }
    estudio["materias"].append(materia)
    print(f"✔️ Materia '{nombre}' registrada.")

# Ejemplo:
agregar_materia("Matemáticas", "Lunes 10:00-12:00", "2025-05-20")

Paso 3: Mostrar el plan académico

def mostrar_plan(estudio):
    print("🗓️ Plan académico:")
    for m in estudio["materias"]:
        print(f"📚 {m['nombre']} | Horario: {m['horario']} | Examen: {m['examen']}")

# Ver plan
mostrar_plan(estudio)

Paso 4: Visualización con matplotlib

import matplotlib.pyplot as plt

def graficar_examenes(estudio):
    materias = [m["nombre"] for m in estudio["materias"]]
    fechas = [m["examen"] for m in estudio["materias"]]

    plt.figure(figsize=(10, 5))
    plt.barh(materias, range(len(materias)))
    plt.title("Distribución de Exámenes por Materia")
    plt.xlabel("Orden de fechas (no proporcional)")
    plt.tight_layout()
    plt.show()

# Graficar plan
graficar_examenes(estudio)

Paso 5: Guardar y cargar plan de estudio

import json

def guardar_plan(nombre_archivo, datos):
    with open(nombre_archivo, 'w') as archivo:
        json.dump(datos, archivo)

def cargar_plan(nombre_archivo):
    global estudio
    with open(nombre_archivo, 'r') as archivo:
        estudio = json.load(archivo)

# Guardar
guardar_plan("plan_estudio.json", estudio)

# Cargar
# cargar_plan("plan_estudio.json")

Actividad final del estudiante

  • Registrar al menos 4 materias.
  • Incluir horarios y fechas de exámenes o entregas.
  • Mostrar el plan completo en consola.
  • Visualizar el gráfico de distribución.
  • Guardar el archivo JSON y simular su carga.
  • Reflexionar: ¿Cómo esta herramienta puede ayudar en la vida universitaria?

Comentarios

Publicar un comentario

Entradas más populares de este blog

Librerías para Contabilidad

Librerías de Python para Contabilidad Librerías de Python para Contabilidad Python proporciona múltiples librerías útiles para la gestión contable, la automatización de cálculos financieros y el análisis de datos contables. 1. Pandas - Análisis de Datos Contables Permite manejar grandes volúmenes de datos contables en formato tabular. import pandas as pd data = {'Fecha': ['2024-01-01', '2024-02-01'], 'Ingresos': [10000, 12000], 'Gastos': [5000, 4500]} df = pd.DataFrame(data) print(df) 2. NumPy - Cálculos Numéricos Se usa para cálculos contables como depreciaciones y tasas de crecimiento. import numpy as np valores = np.array([10000, 12000, 14000]) tasa_crecimiento = np.diff(valores) / valores[:-1] print(tasa_crecimiento) 3. Matplotlib - Visualización de Datos Contables Ayuda a visualizar da...
Leer más

Variables Prohibidas

Variables Prohibidas en Python Variables Prohibidas en Python En Python, hay ciertas palabras clave y convenciones que no deben usarse como nombres de variables. 1. Palabras Reservadas Python tiene palabras clave que no pueden ser usadas como nombres de variables, ya que están reservadas para la sintaxis del lenguaje. Palabras Reservadas False, None, True, and, as, assert, async, await, break, class, continue def, del, elif, else, except, finally, for, from, global, if, import in, is, lambda, nonlocal, not, or, pass, raise, return, try, while, with, yield 2. Nombres de Variables No Recomendados No usar nombres de variables que coincidan con funciones incorporadas de Python, como print , list , dict , etc. No usar caracteres especiales o espacios en los nombres de variables....
Leer más

Dataframes

¿Qué es un DataFrame y su relación con Excel? ¿Qué es un DataFrame y en qué se parece a una hoja de cálculo de Excel? Un DataFrame es una estructura de datos utilizada en Python a través de la librería Pandas . Su estructura es similar a la de una hoja de cálculo de Excel, ya que está organizada en filas y columnas. 1. Estructura de un DataFrame Un DataFrame tiene filas indexadas y columnas con nombres específicos, similar a una tabla de Excel. import pandas as pd data = {'Cliente': ['Empresa A', 'Empresa B'], 'Monto': [5000, 7000], 'Fecha': ['2024-02-01', '2024-02-05']} df = pd.DataFrame(data) print(df) 2. Comparación con una Hoja de Cálculo de Excel Característica DataFrame (Python) Excel Formato Basado en código (Python, Pandas) ...
Leer más