EDA ¶

¿Qué es?¶

La EDA (Exploratory Data Anlayisis) nos permite analizar los datos que tenemos en un database de manera intuitiva y grafíca asi de poder mejor comprender sus peculiaridades y llegar a una mejor comprensión así de facilitar las fases sucesivas.

La definición formal es:

En estadística, el análisis exploratorio de datos es un enfoque para analizar conjuntos de datos para resumir sus principales características, a menudo con métodos visuales. Se puede usar o no un modelo estadístico, pero principalmente EDA es para ver qué nos pueden decir los datos más allá del modelado formal o la tarea de prueba de hipótesis.

Podemos por lo tanto tener unos insight que nos serán utilzes luego tanto para preparar los datos para las faces sucesivas (removiendo las irregularidades) y tener una visión aproximativa de los mismos.

Basandonos en este anlísis podemos empezar a toamr algunas decisiones en la estructuración de los datos y en la definición de los modelos a utilizar:

si la hacemos bien podemos ahorrarnos mucho trabajo
si la hacemos mal arriesgamos a perder información valiosa

Temos 5 fases principales en el EDA:

Recompilación y carga de datos
Limpieza datos
Analísis univariada
Analísis bivariada
Analísis multivariada

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline

Recompilación y carga de datos ¶

Ya vimos en varios laboratorios como podemos cargar los datos de diferentes archivos, con apis e introducirlos manualmente. Cuidados con las fuentes de los datos y como tenemos que citarlos y como lo podemos compartir.

Subimos por lo tantos los datos que pueden encontrar aquí para replicas.

db=pd.read_csv("Marketing_Analysis.csv",low_memory=False)

---------------------------------------------------------------------------
FileNotFoundError                         Traceback (most recent call last)
<ipython-input-2-469d18f944a3> in <module>
----> 1 db=pd.read_csv("Marketing_Analysis.csv",low_memory=False)

~/opt/anaconda3/lib/python3.8/site-packages/pandas/io/parsers.py in read_csv(filepath_or_buffer, sep, delimiter, header, names, index_col, usecols, squeeze, prefix, mangle_dupe_cols, dtype, engine, converters, true_values, false_values, skipinitialspace, skiprows, skipfooter, nrows, na_values, keep_default_na, na_filter, verbose, skip_blank_lines, parse_dates, infer_datetime_format, keep_date_col, date_parser, dayfirst, cache_dates, iterator, chunksize, compression, thousands, decimal, lineterminator, quotechar, quoting, doublequote, escapechar, comment, encoding, dialect, error_bad_lines, warn_bad_lines, delim_whitespace, low_memory, memory_map, float_precision)
    684     )
    685 
--> 686     return _read(filepath_or_buffer, kwds)
    687 
    688 

~/opt/anaconda3/lib/python3.8/site-packages/pandas/io/parsers.py in _read(filepath_or_buffer, kwds)
    450 
    451     # Create the parser.
--> 452     parser = TextFileReader(fp_or_buf, **kwds)
    453 
    454     if chunksize or iterator:

~/opt/anaconda3/lib/python3.8/site-packages/pandas/io/parsers.py in __init__(self, f, engine, **kwds)
    944             self.options["has_index_names"] = kwds["has_index_names"]
    945 
--> 946         self._make_engine(self.engine)
    947 
    948     def close(self):

~/opt/anaconda3/lib/python3.8/site-packages/pandas/io/parsers.py in _make_engine(self, engine)
   1176     def _make_engine(self, engine="c"):
   1177         if engine == "c":
-> 1178             self._engine = CParserWrapper(self.f, **self.options)
   1179         else:
   1180             if engine == "python":

~/opt/anaconda3/lib/python3.8/site-packages/pandas/io/parsers.py in __init__(self, src, **kwds)
   2006         kwds["usecols"] = self.usecols
   2007 
-> 2008         self._reader = parsers.TextReader(src, **kwds)
   2009         self.unnamed_cols = self._reader.unnamed_cols
   2010 

pandas/_libs/parsers.pyx in pandas._libs.parsers.TextReader.__cinit__()

pandas/_libs/parsers.pyx in pandas._libs.parsers.TextReader._setup_parser_source()

FileNotFoundError: [Errno 2] No such file or directory: 'Marketing_Analysis.csv'

db.shape

(45211, 19)

db.head(5)

	customerid	age	salary	balance	marital	jobedu	targeted	default	housing	loan	contact	day	month	duration	campaign	pdays	poutcome	response
0	1	58.0	100000	2143	married	management,tertiary	yes	no	yes	no	unknown	5	may, 2017	261 sec	1	-1	unknown	no
1	2	44.0	60000	29	single	technician,secondary	yes	no	yes	no	unknown	5	may, 2017	151 sec	1	-1	unknown	no
2	3	33.0	120000	2	married	entrepreneur,secondary	yes	no	yes	yes	unknown	5	may, 2017	76 sec	1	-1	unknown	no
3	4	47.0	20000	1506	married	blue-collar,unknown	no	no	yes	no	unknown	5	may, 2017	92 sec	1	-1	unknown	no
4	5	33.0	0	1	single	unknown,unknown	no	no	no	no	unknown	5	may, 2017	198 sec	1	-1	unknown	no

db.set_index("customerid", inplace=  True)

db.head(3)

	age	salary	balance	marital	jobedu	targeted	default	housing	loan	contact	day	month	duration	campaign	pdays	previous	poutcome	response
customerid
1	58.0	100000	2143	married	management,tertiary	yes	no	yes	no	unknown	5	may, 2017	261 sec	1	-1	0	unknown	no
2	44.0	60000	29	single	technician,secondary	yes	no	yes	no	unknown	5	may, 2017	151 sec	1	-1	0	unknown	no
3	33.0	120000	2	married	entrepreneur,secondary	yes	no	yes	yes	unknown	5	may, 2017	76 sec	1	-1	0	unknown	no

db.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 45211 entries, 1 to 45211
Data columns (total 18 columns):
 #   Column    Non-Null Count  Dtype  
---  ------    --------------  -----  
 age       45191 non-null  float64
 salary    45211 non-null  int64  
 balance   45211 non-null  int64  
 marital   45211 non-null  object 
 jobedu    45211 non-null  object 
 targeted  45211 non-null  object 
 default   45211 non-null  object 
 housing   45211 non-null  object 
 loan      45211 non-null  object 
 contact   45211 non-null  object 
day       45211 non-null  int64  
month     45161 non-null  object 
duration  45211 non-null  object 
campaign  45211 non-null  int64  
pdays     45211 non-null  int64  
previous  45211 non-null  int64  
poutcome  45211 non-null  object 
response  45181 non-null  object 
dtypes: float64(1), int64(6), object(11)
memory usage: 6.6+ MB

db.columns

Index(['age', 'salary', 'balance', 'marital', 'jobedu', 'targeted', 'default',
       'housing', 'loan', 'contact', 'day', 'month', 'duration', 'campaign',
       'pdays', 'previous', 'poutcome', 'response'],
      dtype='object')

Ahora si nada más checkamos valores null:

db.isnull().sum()

age         20
salary       0
balance      0
marital      0
jobedu       0
targeted     0
default      0
housing      0
loan         0
contact      0
day          0
month       50
duration     0
campaign     0
pdays        0
previous     0
poutcome     0
response    30
dtype: int64

2. Limpieza datos ¶

Ahora procedemos a la limpieza del D:

Eliminamos eventuales columnas/renglones de resume
Unimos eventualmetne columna para entender mejor los datos
de igual forma dividir eventaules otras columnas
Averiguamos que todos las columnas tengan nombre y sobre todo el indice

En nuestro caso tenemos:

db.head(5)

	age	salary	balance	marital	jobedu	targeted	default	housing	loan	contact	day	month	duration	campaign	pdays	previous	poutcome	response
customerid
1	58.0	100000	2143	married	management,tertiary	yes	no	yes	no	unknown	5	may, 2017	261 sec	1	-1	0	unknown	no
2	44.0	60000	29	single	technician,secondary	yes	no	yes	no	unknown	5	may, 2017	151 sec	1	-1	0	unknown	no
3	33.0	120000	2	married	entrepreneur,secondary	yes	no	yes	yes	unknown	5	may, 2017	76 sec	1	-1	0	unknown	no
4	47.0	20000	1506	married	blue-collar,unknown	no	no	yes	no	unknown	5	may, 2017	92 sec	1	-1	0	unknown	no
5	33.0	0	1	single	unknown,unknown	no	no	no	no	unknown	5	may, 2017	198 sec	1	-1	0	unknown	no

¿Qué notamos?

db['job']= db["jobedu"].apply(lambda x: x.split(",")[0])
db['education']= db["jobedu"].apply(lambda x: x.split(",")[1])
db

	age	salary	balance	marital	jobedu	targeted	default	housing	loan	contact	day	month	duration	campaign	pdays	previous	poutcome	response	job	education
customerid
1	58.0	100000	2143	married	management,tertiary	yes	no	yes	no	unknown	5	may, 2017	261 sec	1	-1	0	unknown	no	management	tertiary
2	44.0	60000	29	single	technician,secondary	yes	no	yes	no	unknown	5	may, 2017	151 sec	1	-1	0	unknown	no	technician	secondary
3	33.0	120000	2	married	entrepreneur,secondary	yes	no	yes	yes	unknown	5	may, 2017	76 sec	1	-1	0	unknown	no	entrepreneur	secondary
4	47.0	20000	1506	married	blue-collar,unknown	no	no	yes	no	unknown	5	may, 2017	92 sec	1	-1	0	unknown	no	blue-collar	unknown
5	33.0	0	1	single	unknown,unknown	no	no	no	no	unknown	5	may, 2017	198 sec	1	-1	0	unknown	no	unknown	unknown
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
45207	51.0	60000	825	married	technician,tertiary	yes	no	no	no	cellular	17	nov, 2017	16.2833333333333 min	3	-1	0	unknown	yes	technician	tertiary
45208	71.0	55000	1729	divorced	retired,primary	yes	no	no	no	cellular	17	nov, 2017	7.6 min	2	-1	0	unknown	yes	retired	primary
45209	72.0	55000	5715	married	retired,secondary	yes	no	no	no	cellular	17	nov, 2017	18.7833333333333 min	5	184	3	success	yes	retired	secondary
45210	57.0	20000	668	married	blue-collar,secondary	yes	no	no	no	telephone	17	nov, 2017	8.46666666666667 min	4	-1	0	unknown	no	blue-collar	secondary
45211	37.0	120000	2971	married	entrepreneur,secondary	yes	no	no	no	cellular	17	nov, 2017	6.01666666666667 min	2	188	11	other	no	entrepreneur	secondary

45211 rows × 20 columns

db.drop(labels='jobedu', axis = 1, inplace = True)
db

	age	salary	balance	marital	targeted	default	housing	loan	contact	day	month	duration	campaign	pdays	previous	poutcome	response	job	education
customerid
1	58.0	100000	2143	married	yes	no	yes	no	unknown	5	may, 2017	261 sec	1	-1	0	unknown	no	management	tertiary
2	44.0	60000	29	single	yes	no	yes	no	unknown	5	may, 2017	151 sec	1	-1	0	unknown	no	technician	secondary
3	33.0	120000	2	married	yes	no	yes	yes	unknown	5	may, 2017	76 sec	1	-1	0	unknown	no	entrepreneur	secondary
4	47.0	20000	1506	married	no	no	yes	no	unknown	5	may, 2017	92 sec	1	-1	0	unknown	no	blue-collar	unknown
5	33.0	0	1	single	no	no	no	no	unknown	5	may, 2017	198 sec	1	-1	0	unknown	no	unknown	unknown
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
45207	51.0	60000	825	married	yes	no	no	no	cellular	17	nov, 2017	16.2833333333333 min	3	-1	0	unknown	yes	technician	tertiary
45208	71.0	55000	1729	divorced	yes	no	no	no	cellular	17	nov, 2017	7.6 min	2	-1	0	unknown	yes	retired	primary
45209	72.0	55000	5715	married	yes	no	no	no	cellular	17	nov, 2017	18.7833333333333 min	5	184	3	success	yes	retired	secondary
45210	57.0	20000	668	married	yes	no	no	no	telephone	17	nov, 2017	8.46666666666667 min	4	-1	0	unknown	no	blue-collar	secondary
45211	37.0	120000	2971	married	yes	no	no	no	cellular	17	nov, 2017	6.01666666666667 min	2	188	11	other	no	entrepreneur	secondary

45211 rows × 19 columns

Ahora manejamos los valores faltantes, podemos tener de tres tipos:

MCAR(Missing completely at random): no dependen de alguna caracteristica en particular
MAR(Missing at random): pueden depender de alguna caracteristica
MNAR(Missing not at random): hay alguna razón para faltar

Droppamos todos lo que no tienen edad definida:

db = db[~db.age.isnull()].copy()
db.isnull().sum()
db.shape

(45161, 20)

Ahora imputamos los valores para los meses:

month_mode = db.month.mode()[0]
month_mode

'may, 2017'

Ahora procedemos a substituir este valor en nuestra columna con faltante:

db.month.fillna(month_mode, inplace = True)
db.month.isnull().sum()

Ahora manejamos los faltantes en nuestra variable dependiente (response):

db = db[~db.response.isnull()].copy()
db.isnull().sum()

age          0
salary       0
balance      0
marital      0
targeted     0
default      0
housing      0
loan         0
contact      0
day          0
month        0
duration     0
campaign     0
pdays        0
previous     0
poutcome     0
response     0
job          0
education    0
dtype: int64

Podriamos sobstituir nuestro valores faltantes con NaN para que no haya afectaciones cuando procedemos al analisís estadistico

Outliers ¶

Son unos datos que se discostan remarcablemente del siguiente punto más cercano. Podemos tener:

Outlier univariado
Outlier multivariado/bivariado: cuando ploteamos una variable con otra el valor se discosta del valor esperado de manera anormal

Antes de proceder a eso tenemos que estandardizar los valores para que escalas diferentes no nos lleven a conclusiones equivocadas. Tenemos diferentes tipologias de datos que podemos encontrar

Analisis univariado de variable categorica no ordenada ¶

no tienen peso o medida
no tienen orden

db.job.value_counts()

blue-collar      9722
management       9451
technician       7589
admin.           5165
services         4148
retired          2262
self-employed    1574
entrepreneur     1484
unemployed       1302
housemaid        1238
student           938
unknown           288
Name: job, dtype: int64

db.job.value_counts(normalize=True)

blue-collar      0.215274
management       0.209273
technician       0.168043
admin.           0.114369
services         0.091849
retired          0.050087
self-employed    0.034853
entrepreneur     0.032860
unemployed       0.028830
housemaid        0.027413
student          0.020770
unknown          0.006377
Name: job, dtype: float64

Podemo plotear nuestro analisis:

db.job.value_counts(normalize=True).plot.barh()
plt.show()

Analisis univariada Variable categorica ordenada ¶

Estas variables tienen un orden natural, por ejemplo:

Meses
Educación

db.education.value_counts(normalize=True)

db.education.value_counts().plot.pie()
plt.show()

Si tenemos una variable con valores numericos podemos calcular

db.salary.describe()

count     45161.000000
mean      57004.849317
std       32087.698810
min           0.000000
25%       20000.000000
50%       60000.000000
75%       70000.000000
max      120000.000000
Name: salary, dtype: float64

Finalmente podemos plotear una densidad de la distribución de la varaible numerica:

sns.distplot(db['salary'])

C:\ProgramData\Anaconda3\lib\site-packages\seaborn\distributions.py:2557: FutureWarning: `distplot` is a deprecated function and will be removed in a future version. Please adapt your code to use either `displot` (a figure-level function with similar flexibility) or `histplot` (an axes-level function for histograms).
  warnings.warn(msg, FutureWarning)

<AxesSubplot:xlabel='salary', ylabel='Density'>

sns.displot(db['salary'])

<seaborn.axisgrid.FacetGrid at 0x15f1d76c348>

sns.histplot(db['balance'])
plt.xlim(-8019, 102127)
plt.ylim(0,3000)

(0.0, 3000.0)

db.balance.describe()

count     45161.000000
mean       1362.850690
std        3045.939589
min       -8019.000000
25%          72.000000
50%         448.000000
75%        1428.000000
max      102127.000000
Name: balance, dtype: float64

Analisis bivariada ¶

Cuando hacemos un analisis bivariada el uso de graficas nos puede ser extremadamente utíl. En particular los más ocupados son:

scatter plot
pair plot
matriz de correlación

Scatter plot ¶

plt.scatter(db.salary,db.balance)
plt.show()

db.plot.scatter(x="age",y="balance")
plt.show()

Pair plot ¶

sns.pairplot(data = db, vars=['salary','balance','age'])
plt.show()

QQ-Plot ¶

Es un método gráfico para el diagnóstico de diferencias entre la distribución de probabilidad de una población de la que se ha extraído una muestra aleatoria y una distribución usada para la comparación.

import scipy.stats as stats
iris = sns.load_dataset('iris')


rvs = stats.norm(loc=0, scale=1)
normal_sample = rvs.rvs(size=100000)
sns.set()
sns.distplot(normal_sample)

C:\ProgramData\Anaconda3\lib\site-packages\seaborn\distributions.py:2557: FutureWarning: `distplot` is a deprecated function and will be removed in a future version. Please adapt your code to use either `displot` (a figure-level function with similar flexibility) or `histplot` (an axes-level function for histograms).
  warnings.warn(msg, FutureWarning)

<AxesSubplot:ylabel='Density'>

normal_sample = rvs.rvs(size=10000)
stats.probplot(normal_sample, dist="norm", plot=plt)
plt.show()

sns.distplot(stats.expon().rvs(size=10000))

C:\ProgramData\Anaconda3\lib\site-packages\seaborn\distributions.py:2557: FutureWarning: `distplot` is a deprecated function and will be removed in a future version. Please adapt your code to use either `displot` (a figure-level function with similar flexibility) or `histplot` (an axes-level function for histograms).
  warnings.warn(msg, FutureWarning)

<AxesSubplot:ylabel='Density'>

expon_rvs = stats.expon().rvs(size=100000)
normal_rvs = stats.norm().rvs(size=100000)
stats.probplot(x=expon_rvs, dist=stats.norm(), plot=plt)

((array([-4.34602155, -4.14724578, -4.03913009, ...,  4.03913009,
          4.14724578,  4.34602155]),
  array([2.16825700e-06, 1.57624189e-05, 2.93375619e-05, ...,
         1.16652885e+01, 1.21702078e+01, 1.34591407e+01])),
 (0.8996537488205563, 0.9969476608219366, 0.9033984542371438))

expon_rvs = stats.expon().rvs(size=100000)
stats.probplot(x=expon_rvs, dist="expon", plot=plt)
plt.show()

Matrices de correlación ¶

Cuando queremos ver en un unico grafico las relaciones entre más de una variable de forma sintetica

db[['age','salary','balance']].corr()

	age	salary	balance
age	1.000000	0.024513	0.097710
salary	0.024513	1.000000	0.055489
balance	0.097710	0.055489	1.000000

sns.heatmap(db[['age','salary','balance']].corr(), annot=True, cmap = 'Blues')
plt.show()

variables categoricas numericas ¶

Normalmente se analizan con base en su media, mediana y un instrumento particularmente util es el boxplot.

Calculamolos a manita:

db.groupby('response')['salary'].mean()

response
no     56769.510482
yes    58780.510880
Name: salary, dtype: float64

db.groupby('response')['salary'].median()

response
no     60000
yes    60000
Name: salary, dtype: int64

Pareciera no haber grandes diferencias, pero analizando los boxplot descubrimos que:

sns.boxplot(x=db.response, y=db.salary)
plt.show()

ax = sns.boxplot(x='response', y='salary', data=db)
plt.setp(ax.artists, alpha=.5, linewidth=2, edgecolor="k")
plt.xticks(rotation=45)

(array([0, 1]), [Text(0, 0, 'no'), Text(1, 0, 'yes')])

Analisis variables categoricas ¶

Queremos analizar como diferentes varbles categoricas (como la educación) tienen impacto en la variable dependiente.. Para hacer eso necesitamos convertir Response en una variable binaria.

db['response_rate'] = np.where(db.response=='yes',1,0)
db.response_rate.value_counts()

0    39876
1     5285
Name: response_rate, dtype: int64

Analizando ahora como se distribuye frente distintos valores de la una variable categorica tendremos:

db.groupby('marital')['response_rate'].mean().plot.bar()
plt.show()

Analisis multivariado ¶

Antes tenemos crear una tabla pivot con en las columnas los diferentes status civiles:

result = pd.pivot_table(data=db, index='education', columns='marital',values='response_rate')
result

marital	divorced	married	single
education
primary	0.138852	0.075601	0.106808
secondary	0.103559	0.094650	0.129271
tertiary	0.137415	0.129835	0.183737
unknown	0.142012	0.122519	0.162879

Ahora como antes vamos a imprimir una mapa de calor.

sns.heatmap(result, annot=True, cmap = 'RdYlGn', center=0.117)
plt.show()

Apis y carca de datos ¶

Podemos cargar los datos de local, commo hicimos antes en nuestro ejercicio, por medio de una url o con unas APIs.

#metodo URL

url = "http://climatedataapi.worldbank.org/climateweb/rest/v1/country/cru/tas/year/ROU.csv"
df = pd.read_csv(url)

df

Pero ahora sí pasamos a las APis

Blockquote Una API, o interfaz de programación de aplicaciones, es un servidor que puede utilizar para recuperar y enviar datos mediante código. Las API se utilizan con mayor frecuencia para recuperar datos.

¿Por que usar una API?

Los datos cambía rápido, y no tiene sentido estar generando un dataset y bajandolo cada munuto.
Necesitas acceder a sólo una parte de los datos
Hay una computación repetida involucrada

Podemos hacer diferentes acciones con las API:

GET
POST
PUT
DELETE

import requests
response = requests.get('https://google.com/')
print(response)

<Response [200]>

La libreria request tiene algunas funciones especificas:

print(response.status_code)

if response:
  print('Request is successful.')
else:
  print('Request returned an error.')

Request is successful.

El endpoint es una dirección, usuaklmente, hacía donde apunta nuestro pedido. Normalmente el nombre de esta dirección es autodescriptivo.

response = requests.get("http://api.open-notify.org/astros.json")
print(response.status_code)

pd.DataFrame(response.json()["people"])

	name	craft
0	Mark Vande Hei	ISS
1	Oleg Novitskiy	ISS
2	Pyotr Dubrov	ISS
3	Thomas Pesquet	ISS
4	Megan McArthur	ISS
5	Shane Kimbrough	ISS
6	Akihiko Hoshide	ISS

Muchas veces necesitamos una llave para poder acceder a los datos que requerimos. Igual hay un verdadero mercado y sitio especializados para esto.

Por medio de los encabezaados HTTPS se manejan algunas informaciones sobre las APIs

response = requests.get("https://api.thedogapi.com/v1/breeds/1")
response.headers

{'Content-Encoding': 'gzip', 'Content-Type': 'application/json; charset=utf-8', 'Date': 'Fri, 07 May 2021 12:19:43 GMT', 'Server': 'Apache/2.4.46 (Amazon)', 'Strict-Transport-Security': 'max-age=15552000; includeSubDomains', 'Vary': 'Origin,Accept-Encoding', 'X-Content-Type-Options': 'nosniff', 'X-DNS-Prefetch-Control': 'off', 'X-Download-Options': 'noopen', 'X-Frame-Options': 'SAMEORIGIN', 'X-Response-Time': '2ms', 'X-XSS-Protection': '1; mode=block', 'Content-Length': '265', 'Connection': 'keep-alive'}

Ya sabiendo que es un json, podemos acceder a el atravez de:

response.json()["name"]

'Affenpinscher'

endpoint = "https://www.googleapis.com/books/v1/volumes"
query = "la divina comedia"

params = {"q": query, "maxResults": 3}
response = requests.get(endpoint, params=params).json()
for book in response["items"]:
    volume = book["volumeInfo"]
    title = volume["title"]
    published = volume["authors"]
    print(f"{title} {published} ")

La Divina Comedia ['Dante Alighieri'] 
La divina comedia ['Dante Alghieri'] 
La Divina Comedia por Dante Alighieri ['Dante Alighieri'] 

response

{'kind': 'books#volumes',
 'totalItems': 734,
 'items': [{'kind': 'books#volume',
   'id': 'WrPCDwAAQBAJ',
   'etag': 'j6ynahmNPaE',
   'selfLink': 'https://www.googleapis.com/books/v1/volumes/WrPCDwAAQBAJ',
   'volumeInfo': {'title': 'La Divina Comedia',
    'authors': ['Dante Alighieri'],
    'publisher': 'Good Press',
    'publishedDate': '2019-11-11',
    'description': '"La Divina Comedia" de Dante Alighieri (traducido por Manuel Aranda y Sanjuan) de la Editorial Good Press. Good Press publica una gran variedad de títulos que abarca todos los géneros. Van desde los títulos clásicos famosos, novelas, textos documentales y crónicas de la vida real, hasta temas ignorados o por ser descubiertos de la literatura universal. Editorial Good Press divulga libros que son una lectura imprescindible. Cada publicación de Good Press ha sido corregida y formateada al detalle, para elevar en gran medida su facilidad de lectura en todos los equipos y programas de lectura electrónica. Nuestra meta es la producción de Libros electrónicos que sean versátiles y accesibles para el lector y para todos, en un formato digital de alta calidad.',
    'industryIdentifiers': [{'type': 'OTHER',
      'identifier': 'EAN:4057664122674'}],
    'readingModes': {'text': True, 'image': True},
    'pageCount': 941,
    'printType': 'BOOK',
    'categories': ['Fiction'],
    'maturityRating': 'NOT_MATURE',
    'allowAnonLogging': True,
    'contentVersion': '1.5.5.0.preview.3',
    'panelizationSummary': {'containsEpubBubbles': False,
     'containsImageBubbles': False},
    'imageLinks': {'smallThumbnail': 'http://books.google.com/books/content?id=WrPCDwAAQBAJ&printsec=frontcover&img=1&zoom=5&edge=curl&source=gbs_api',
     'thumbnail': 'http://books.google.com/books/content?id=WrPCDwAAQBAJ&printsec=frontcover&img=1&zoom=1&edge=curl&source=gbs_api'},
    'language': 'es',
    'previewLink': 'http://books.google.com.mx/books?id=WrPCDwAAQBAJ&pg=PP1&dq=la+divina+comedia&hl=&cd=1&source=gbs_api',
    'infoLink': 'https://play.google.com/store/books/details?id=WrPCDwAAQBAJ&source=gbs_api',
    'canonicalVolumeLink': 'https://play.google.com/store/books/details?id=WrPCDwAAQBAJ'},
   'saleInfo': {'country': 'MX',
    'saleability': 'FOR_SALE',
    'isEbook': True,
    'listPrice': {'amount': 25, 'currencyCode': 'MXN'},
    'retailPrice': {'amount': 25, 'currencyCode': 'MXN'},
    'buyLink': 'https://play.google.com/store/books/details?id=WrPCDwAAQBAJ&rdid=book-WrPCDwAAQBAJ&rdot=1&source=gbs_api',
    'offers': [{'finskyOfferType': 1,
      'listPrice': {'amountInMicros': 25000000, 'currencyCode': 'MXN'},
      'retailPrice': {'amountInMicros': 25000000, 'currencyCode': 'MXN'},
      'giftable': True}]},
   'accessInfo': {'country': 'MX',
    'viewability': 'PARTIAL',
    'embeddable': True,
    'publicDomain': False,
    'textToSpeechPermission': 'ALLOWED',
    'epub': {'isAvailable': True},
    'pdf': {'isAvailable': True},
    'webReaderLink': 'http://play.google.com/books/reader?id=WrPCDwAAQBAJ&hl=&printsec=frontcover&source=gbs_api',
    'accessViewStatus': 'SAMPLE',
    'quoteSharingAllowed': False},
   'searchInfo': {'textSnippet': '&quot;La Divina Comedia&quot; de Dante Alighieri (traducido por Manuel Aranda y Sanjuan) de la Editorial Good Press.'}},
  {'kind': 'books#volume',
   'id': 'wGPSDgAAQBAJ',
   'etag': 'NOQVX9XaqiA',
   'selfLink': 'https://www.googleapis.com/books/v1/volumes/wGPSDgAAQBAJ',
   'volumeInfo': {'title': 'La divina comedia',
    'subtitle': '',
    'authors': ['Dante Alghieri'],
    'publisher': 'NoBooks Editorial',
    'publishedDate': '1976',
    'readingModes': {'text': True, 'image': True},
    'pageCount': 441,
    'printType': 'BOOK',
    'maturityRating': 'NOT_MATURE',
    'allowAnonLogging': True,
    'contentVersion': 'preview-1.0.0',
    'panelizationSummary': {'containsEpubBubbles': False,
     'containsImageBubbles': False},
    'imageLinks': {'smallThumbnail': 'http://books.google.com/books/content?id=wGPSDgAAQBAJ&printsec=frontcover&img=1&zoom=5&edge=curl&source=gbs_api',
     'thumbnail': 'http://books.google.com/books/content?id=wGPSDgAAQBAJ&printsec=frontcover&img=1&zoom=1&edge=curl&source=gbs_api'},
    'language': 'es',
    'previewLink': 'http://books.google.com.mx/books?id=wGPSDgAAQBAJ&printsec=frontcover&dq=la+divina+comedia&hl=&cd=2&source=gbs_api',
    'infoLink': 'https://play.google.com/store/books/details?id=wGPSDgAAQBAJ&source=gbs_api',
    'canonicalVolumeLink': 'https://play.google.com/store/books/details?id=wGPSDgAAQBAJ'},
   'saleInfo': {'country': 'MX',
    'saleability': 'FOR_SALE',
    'isEbook': True,
    'listPrice': {'amount': 28.84, 'currencyCode': 'MXN'},
    'retailPrice': {'amount': 28.84, 'currencyCode': 'MXN'},
    'buyLink': 'https://play.google.com/store/books/details?id=wGPSDgAAQBAJ&rdid=book-wGPSDgAAQBAJ&rdot=1&source=gbs_api',
    'offers': [{'finskyOfferType': 1,
      'listPrice': {'amountInMicros': 28840000, 'currencyCode': 'MXN'},
      'retailPrice': {'amountInMicros': 28840000, 'currencyCode': 'MXN'},
      'giftable': True}]},
   'accessInfo': {'country': 'MX',
    'viewability': 'PARTIAL',
    'embeddable': True,
    'publicDomain': False,
    'textToSpeechPermission': 'ALLOWED',
    'epub': {'isAvailable': True},
    'pdf': {'isAvailable': True},
    'webReaderLink': 'http://play.google.com/books/reader?id=wGPSDgAAQBAJ&hl=&printsec=frontcover&source=gbs_api',
    'accessViewStatus': 'SAMPLE',
    'quoteSharingAllowed': False}},
  {'kind': 'books#volume',
   'id': 'O0ESIQu9_7wC',
   'etag': 'bzi0xAGR2sk',
   'selfLink': 'https://www.googleapis.com/books/v1/volumes/O0ESIQu9_7wC',
   'volumeInfo': {'title': 'La Divina Comedia por Dante Alighieri',
    'subtitle': 'El Infierno',
    'authors': ['Dante Alighieri'],
    'publishedDate': '1870',
    'industryIdentifiers': [{'type': 'OTHER',
      'identifier': 'IBNF:CF005685501'}],
    'readingModes': {'text': False, 'image': False},
    'pageCount': 232,
    'printType': 'BOOK',
    'maturityRating': 'NOT_MATURE',
    'allowAnonLogging': False,
    'contentVersion': '0.2.1.0.preview.0',
    'panelizationSummary': {'containsEpubBubbles': False,
     'containsImageBubbles': False},
    'imageLinks': {'smallThumbnail': 'http://books.google.com/books/content?id=O0ESIQu9_7wC&printsec=frontcover&img=1&zoom=5&source=gbs_api',
     'thumbnail': 'http://books.google.com/books/content?id=O0ESIQu9_7wC&printsec=frontcover&img=1&zoom=1&source=gbs_api'},
    'language': 'es',
    'previewLink': 'http://books.google.com.mx/books?id=O0ESIQu9_7wC&q=la+divina+comedia&dq=la+divina+comedia&hl=&cd=3&source=gbs_api',
    'infoLink': 'http://books.google.com.mx/books?id=O0ESIQu9_7wC&dq=la+divina+comedia&hl=&source=gbs_api',
    'canonicalVolumeLink': 'https://books.google.com/books/about/La_Divina_Comedia_por_Dante_Alighieri.html?hl=&id=O0ESIQu9_7wC'},
   'saleInfo': {'country': 'MX',
    'saleability': 'NOT_FOR_SALE',
    'isEbook': False},
   'accessInfo': {'country': 'MX',
    'viewability': 'NO_PAGES',
    'embeddable': False,
    'publicDomain': False,
    'textToSpeechPermission': 'ALLOWED',
    'epub': {'isAvailable': False},
    'pdf': {'isAvailable': False},
    'webReaderLink': 'http://play.google.com/books/reader?id=O0ESIQu9_7wC&hl=&printsec=frontcover&source=gbs_api',
    'accessViewStatus': 'NONE',
    'quoteSharingAllowed': False}}]}

Fuentes:

TWS

Introducción a la ciencia de datos