freeCodeCamp/curriculum/challenges/espanol/08-data-analysis-with-python/data-analysis-with-python-projects/sea-level-predictor.md

id, title, challengeType, forumTopicId, dashedName

id	title	challengeType	forumTopicId	dashedName
5e4f5c4b570f7e3a4949899f	Pronosticador del nivel del mar	10	462370	sea-level-predictor

--description--

Estarás trabajando en este proyecto con nuestro código de inicio Replit.

• Start by importing the project on Replit.
• Next, you will see a .replit window.
• Select Use run command and click the Done button.

Todavía estamos desarrollando la parte interactiva del currículo de Python. Por ahora, aquí hay algunos videos en el canal de YouTube de freeCodeCamp.org que te enseñaran todo lo que necesitas saber para completar este proyecto:

• Python for Everybody Video Course (14 hours)

• How to Analyze Data with Python Pandas (10 hours)

--instructions--

Analizará un conjunto de datos sobre el cambio del nivel medio del mar a nivel mundial desde 1880. Utilizarás los datos para predecir el cambio del nivel del mar hasta el año 2050.

Utiliza los datos para completar las siguientes tareas:

• Use Pandas to import the data from epa-sea-level.csv.
• Use matplotlib to create a scatter plot using the Year column as the x-axis and the CSIRO Adjusted Sea Level column as the y-axis.
• Use the linregress function from scipy.stats to get the slope and y-intercept of the line of best fit. Plot the line of best fit over the top of the scatter plot. Make the line go through the year 2050 to predict the sea level rise in 2050.
• Plot a new line of best fit just using the data from year 2000 through the most recent year in the dataset. Make the line also go through the year 2050 to predict the sea level rise in 2050 if the rate of rise continues as it has since the year 2000.
• The x label should be Year, the y label should be Sea Level (inches), and the title should be Rise in Sea Level.

Las pruebas unitarias están escritas para en test_module.py.

El boilerplate también incluye los comandos para guardar y devolver la imagen.

Desarrollo

Para el desarrollo, puedes utilizar main.py para probar tus funciones. Haz clic en el botón "run" y se ejecutará main.py.

Pruebas

Importamos las pruebas de test_module.py a main.py para tu conveniencia. Las pruebas se ejecutarán automáticamente cada vez que pulses el botón "run".

Envío

Copia el enlace de tu proyecto y envíalo a freeCodeCamp.

Fuente de datos

Global Average Absolute Sea Level Change, 1880-2014 de la Agencia de Protección Ambiental de los Estados Unidos utilizando datos de CSIRO, 2015; NOAA, 2015.

--hints--

Debería pasar todas las pruebas de Python.

--solutions--

  # Python challenges don't need solutions,
  # because they would need to be tested against a full working project.
  # Please check our contributing guidelines to learn more.