Tarea dojo finalizada

ClassEstudiantes.py

@@ -0,0 +1,128 @@
+class Estudiantes:
+
+    def __init__(self, datos: list):
+        self.datos = datos
+        self.ciudades = set()
+        self.paises = set()
+        self.carreras = set()
+        self.__set_columnas()
+
+
+    def __set_columnas(self) -> None:
+
+        for row in self.datos:
+            self.ciudades.add(row['ciudad'])
+            self.paises.add(row['pais'])
+            self.carreras.add(row['carrera'])
+
+    def get_ciudades(self) -> set:
+        return self.ciudades
+
+    def get_paises(self) -> str:
+        return self.paises
+
+    def get_carreras(self) -> str:
+        return self.carreras
+
+    # Obtener todos los estudiantes que pertenezcan a una ciudad dada.
+    def get_estudiantes_por_ciudad(self, ciudad: str) -> dict:
+
+        estudiantes_por_ciudad = {f"{row['nombre']} {row['apellido']}": [row['ciudad']]
+                                  for row in self.datos if row['ciudad'] == ciudad}
+
+        return estudiantes_por_ciudad
+
+    # Obtener todos los estudiantes que vivan en un país dado.
+    def get_estudiantes_por_pais(self, pais: str) -> dict:
+
+        estudiantes_por_pais = {f"{row['nombre']} {row['apellido']}": [row['pais']]
+                                for row in self.datos if row['pais'] == pais}
+
+        return estudiantes_por_pais
+
+    # Obtener todos los estudiantes que estén dentro del rango de edades dado.
+    def get_estudiantes_por_edad(self, edad_inicial: int, edad_final: int) -> dict:
+
+        estudiantes_por_edad = {f"{row['nombre']} {row['apellido']}": [
+            row['edad']] for row in self.datos if int(row['edad']) >= edad_inicial and int(row['edad']) <= edad_final}
+
+        return estudiantes_por_edad if len(estudiantes_por_edad) > 0 else "No existen valores con ese rango"
+
+    # Identificar la edad promedio por carrera.
+    def get_edad_promedio_por_carrera(self, carrera: str) -> dict:
+
+        estudiantes_por_carrera = {f"{row['nombre']} {row['apellido']}": [row['edad']]
+                                   for row in self.datos if row['carrera'] == carrera}
+
+        carrera_sum = 0
+
+        for estudiantes in estudiantes_por_carrera.values():
+
+            carrera_sum += float(str.join('', estudiantes))
+
+        return (carrera_sum / len(estudiantes_por_carrera)) if carrera_sum > 0 else 0
+
+    # Indicar por carrera si el estudiante está por encima o por debajo del promedio de edad.
+
+    def get_estudiantes_nivel_academico(self, carrera: str) -> dict:
+        estudiantes_por_carrera = {f"{row['nombre']} {row['apellido']}": [row['edad']]
+                                   for row in self.datos if row['carrera'] == carrera}
+        carrera_sum = 0
+
+        for estudiantes in estudiantes_por_carrera.values():
+            carrera_sum += float(str.join('', estudiantes))
+
+        edad_promedio = (carrera_sum / len(estudiantes_por_carrera))
+
+        print(f"Edad promedio de la carrera es: {edad_promedio}")
+        estudiantes_nivel_academico = {}
+        for key, value in estudiantes_por_carrera.items():
+
+            estudiantes_nivel_academico[key] = f"edad: {str.join('', value)} por arriba"
+            if edad_promedio > float(str.join('', value)):
+                estudiantes_nivel_academico[key] = f"edad: {str.join('', value)} por debajo"
+
+        return estudiantes_nivel_academico
+
+    # Agrupa los estudiantes en diferentes rangos de edad (18-25, 26-35, mayores de 35).
+    def get_estudiantes_por_rangos(self) -> list:
+
+        estudiante_primer_rango = {row['nombre']: row['edad'] for row in self.datos if int(
+            row['edad']) >= 18 and int(row['edad']) <= 25}
+        estudiante_segundo_rango = {row['nombre']: row['edad'] for row in self.datos if int(
+            row['edad']) >= 26 and int(row['edad']) <= 35}
+        estudiante_tercer_rango = {row['nombre']: row['edad']
+                                   for row in self.datos if int(row['edad']) > 35}
+
+        estudiantes_por_rangos = [estudiante_primer_rango,
+                                  estudiante_segundo_rango, estudiante_tercer_rango]
+
+        return estudiantes_por_rangos
+
+    # Identifica la ciudad que tienen la mayor variedad de carreras universitarias entre los estudiantes.
+    def get_ciudad_mayor_carrera(self) -> dict:
+
+        dict_carrera = {ciudad: list((set(alumno['carrera']
+                                          for alumno in self.datos if alumno['ciudad'] in ciudad))) for ciudad in self.ciudades}
+
+        mayor = 0
+        for clave, valor in dict_carrera.items():
+
+            print(f"{clave}, {valor}")
+
+            if len(valor) > mayor:
+
+                mayor = len(valor)
+                ciudad = clave
+
+        return f"{ciudad} tiene la mayor variedad de carreras {dict_carrera.get(ciudad)}"
+
+    def guardar_datos(self, ruta: str, archivo: str, datos):
+        with open(f"{ruta}{archivo}", 'w') as reporte:
+            for k, v in datos.items():
+                reporte.write(f"{k},{v}\n")
+
+    def guardar_datos_lista(self, ruta: str, archivo: str, datos):
+        with open(f"{ruta}{archivo}", 'w') as reporte:
+            for _ in datos:
+                reporte.write(f"{_}\n")

__dojo__.py

@@ -0,0 +1,91 @@
+# -*- coding: utf-8 -*-
+import csv
+import os
+from ClassEstudiantes import Estudiantes
+
+opciones = [1, 2, 3, 4, 5, 6, 7, 8, 9]
+option = 1
+
+ruta = ""
+
+
+with open('data.csv') as file:
+    csv_reader = csv.DictReader(file, delimiter=',')
+    datos = list(csv_reader)
+
+    keys = csv_reader.fieldnames
+    estudiantes = Estudiantes(datos=datos)
+
+    while option in opciones:
+        print("Menu de opciones:")
+        print(f"1) Obtener todos los estudiantes que pertenezcan a una ciudad dada.")
+        print(f"2) Obtener todos los estudiantes que vivan en un país dado.")
+        print(
+            f"3) Obtener todos los estudiantes que estén dentro del rango de edades dado.")
+        print(f"4) Obtener todas las ciudades de residencia de los estudiantes.")
+        print(f"5) Identificar la edad promedio por carrera.")
+        print(f"6) Indicar por carrera si el estudiante está por encima o por debajo del promedio de edad.")
+        print(f"7) Agrupa los estudiantes en diferentes rangos de edad (18-25, 26-35, mayores de 35).")
+        print(f"8) Identifica la ciudad que tienen la mayor variedad de carreras universitarias entre los estudiantes.")
+        print(f"0) Salir.\n")
+
+        # Obtener todos los estudiantes que pertenezcan a una ciudad dada.
+        option = int(input(f"Elija una opción: "))
+        if option == 1:
+            print(f"Las ciudades son: {estudiantes.get_ciudades()}")
+            ciudad = input("Escriba una ciudad: ")
+            print(estudiantes.get_estudiantes_por_ciudad(ciudad=ciudad))
+            estudiantes.guardar_datos(
+                ruta=ruta, archivo="estudiantes_por_ciudad.txt", datos=estudiantes.get_estudiantes_por_ciudad(ciudad=ciudad))
+
+        # Obtener todos los estudiantes que vivan en un país dado.
+        elif option == 2:
+            print(f"Los paises son: {estudiantes.get_paises()}")
+            pais = input("Escriba un pais: ")
+            print(estudiantes.get_estudiantes_por_pais(pais=pais))
+            estudiantes.guardar_datos(
+                ruta=ruta, archivo="estudiantes_por_pais.txt", datos=estudiantes.get_estudiantes_por_pais(pais=pais))
+
+        # Obtener todos los estudiantes que estén dentro del rango de edades dado.
+        elif option == 3:
+            edad_inicial = int(input("Escriba un rango de edad inicial: "))
+            edad_final = int(input("Escriba un rango de edad final: "))
+            print(
+                f"Estudiantes por el rango seleccionado son: \n{estudiantes.get_estudiantes_por_edad(edad_inicial=edad_inicial,edad_final=edad_final)}")
+            estudiantes.guardar_datos(
+                ruta=ruta, archivo="get_estudiantes_por_edad.txt", datos=estudiantes.get_estudiantes_por_edad(edad_inicial=edad_inicial, edad_final=edad_final))
+
+        # Obtener todas las ciudades de residencia de los estudiantes.
+        elif option == 4:
+            print(
+                f"Las ciudades de residencia son: {estudiantes.get_ciudades()}")
+            estudiantes.guardar_datos_lista(
+                ruta=ruta, archivo="get_ciudades.txt", datos=estudiantes.get_ciudades())
+
+        # Identificar la edad promedio por carrera.
+        elif option == 5:
+            print(f"Las carreras son: {estudiantes.get_carreras()}")
+            carrera = input("Selecciones una carrera: ")
+            print(
+                f" La edad promedio para la carrera {carrera} es: \n {estudiantes.get_edad_promedio_por_carrera(carrera=carrera)}")
+
+        # Indicar por carrera si el estudiante está por encima o por debajo del promedio de edad.
+        elif option == 6:
+            print(f"Las carreras son: {estudiantes.get_carreras()}")
+            carrera = input("Selecciones una carrera: ")
+            print(f"{estudiantes.get_estudiantes_nivel_academico(carrera=carrera)}")
+            estudiantes.guardar_datos(
+                ruta=ruta, archivo="get_estudiantes_nivel_academico.txt", datos=estudiantes.get_estudiantes_nivel_academico(carrera=carrera))
+
+        # Agrupa los estudiantes en diferentes rangos de edad (18-25, 26-35, mayores de 35).
+        elif option == 7:
+            print(
+                f"Estudiantes por rago son:{[est for est in estudiantes.get_estudiantes_por_rangos()]}")
+            estudiantes.guardar_datos_lista(
+                ruta=ruta, archivo="get_estudiantes_por_rangos.txt", datos=estudiantes.get_estudiantes_por_rangos())
+
+        # Identifica la ciudad que tienen la mayor variedad de carreras universitarias entre los estudiantes.
+        elif option == 8:
+            print(f"{estudiantes.get_ciudad_mayor_carrera()}")
+        os.system('pause')
+        os.system('cls')

data.csv

@@ -1,41 +1,41 @@
 nombre,apellido,ciudad,pais,edad,carrera
 John,Smith,Ciudad de Mexico,Mexico,22,Computer Engineering
 Emily,Johnson,New York,United States,25,Psychology
-David,Williams,Medellín,Colombia,30,Medicine
-Sophie,Jones,Bogotá,Colombia,28,Art History
+David,Williams,Medellin,Colombia,30,Medicine
+Sophie,Jones,Bogota,Colombia,28,Art History
 Daniel,Brown,Lima,Peru,23,Education
 Emma,Davis,Buenos Aires,Argentina,39,Computer Engineering
 Benjamin,Miller,Barcelona,Spain,26,Psychology
 Olivia,Moore,Ciudad de Mexico,Mexico,24,Medicine
 Noah,Wilson,New York,United States,27,Art History
-Isabella,Anderson,Medellín,Colombia,31,Education
+Isabella,Anderson,Medellin,Colombia,31,Education
 Liam,Taylor,Lima,Peru,21,Computer Engineering
-Ava,Thomas,Bogotá,Colombia,19,Psychology
+Ava,Thomas,Bogota,Colombia,19,Psychology
 James,Clark,Barcelona,Spain,50,Medicine
 Mia,Hall,New York,United States,20,Art History
 Ethan,Lee,Lima,Peru,23,Education
 Sophia,White,Ciudad de Mexico,Mexico,26,Computer Engineering
 Alexander,Martin,New York,United States,29,Psychology
-Natalie,Lopez,Medellín,Colombia,32,Medicine
-Lucas,Harris,Bogotá,Colombia,24,Art History
+Natalie,Lopez,Medellin,Colombia,32,Medicine
+Lucas,Harris,Bogota,Colombia,24,Art History
 Chloe,Allen,Lima,Peru,27,Education
 Max,Young,Buenos Aires,Argentina,22,Computer Engineering
 Emma,Scott,Barcelona,Spain,25,Psychology
 Jacob,Walker,Ciudad de Mexico,Mexico,23,Medicine
 Ava,Hall,New York,United States,21,Art History
-Daniel,Rodriguez,Medellín,Colombia,40,Education
+Daniel,Rodriguez,Medellin,Colombia,40,Education
 Sophia,Hernandez,Lima,Peru,28,Computer Engineering
-Logan,Lewis,Bogotá,Colombia,26,Psychology
+Logan,Lewis,Bogota,Colombia,26,Psychology
 Isabella,Hill,Barcelona,Spain,24,Medicine
 Elijah,Green,Ciudad de Mexico,Mexico,27,Art History
 Emily,Turner,New York,United States,42,Education
-Mateo,Jackson,Medellín,Colombia,19,Computer Engineering
+Mateo,Jackson,Medellin,Colombia,19,Computer Engineering
 Sofia,Clark,Lima,Peru,31,Psychology
-Liam,Taylor,Bogotá,Colombia,29,Medicine
+Liam,Taylor,Bogota,Colombia,29,Medicine
 Olivia,Moore,Barcelona,Spain,23,Art History
 Noah,Wilson,Ciudad de Mexico,Mexico,26,Education
 Isabella,Anderson,New York,United States,24,Computer Engineering
-James,Lee,Medellín,Colombia,21,Psychology
+James,Lee,Medellin,Colombia,21,Psychology
 Mia,Hall,Lima,Peru,30,Medicine
-Ethan,Miller,Bogotá,Colombia,38,Art History
+Ethan,Miller,Bogota,Colombia,38,Art History
 Sophia,Clark,Barcelona,Spain,22,Education