https://github.com/reusjimenez/breastcancer-datawrangling-eda
Análisis exploratorio y limpieza de datos del dataset Breast Cancer, enfocado en preparación de datos para proyectos analíticos y predictivos. 📊
https://github.com/reusjimenez/breastcancer-datawrangling-eda
breast-cancer data-cleaning data-wrangling eda exploratory-data-analysis jupyter-notebook pandas python seaborn
Last synced: 6 months ago
JSON representation
Análisis exploratorio y limpieza de datos del dataset Breast Cancer, enfocado en preparación de datos para proyectos analíticos y predictivos. 📊
- Host: GitHub
- URL: https://github.com/reusjimenez/breastcancer-datawrangling-eda
- Owner: ReusJimenez
- License: mit
- Created: 2025-04-23T23:41:21.000Z (6 months ago)
- Default Branch: main
- Last Pushed: 2025-04-23T23:59:29.000Z (6 months ago)
- Last Synced: 2025-04-24T00:29:48.225Z (6 months ago)
- Topics: breast-cancer, data-cleaning, data-wrangling, eda, exploratory-data-analysis, jupyter-notebook, pandas, python, seaborn
- Language: Jupyter Notebook
- Homepage:
- Size: 0 Bytes
- Stars: 1
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# 🧬 **BreastCancer – Data Wrangling & EDA**
Este repositorio contiene un notebook enfocado en la **limpieza**, **transformación** y **análisis exploratorio de datos (EDA)** del dataset *Breast Cancer*. El objetivo principal es preparar los datos para futuras aplicaciones analíticas o predictivas, mediante un proceso estructurado y reproducible.
## 📁 **Contenido del Notebook**
- Exploración inicial del dataset
- Tratamiento de valores faltantes
- Eliminación de columnas irrelevantes
- Transformación de variables para facilitar el análisis
- Análisis exploratorio (EDA) visual y estadístico
- Respuestas a preguntas clave para identificar patrones entre tumores benignos y malignos
## 🎯 **Objetivo del Análisis**
El propósito es dejar el dataset en condiciones óptimas para futuros modelos de machine learning o análisis más avanzados, abordando tareas como:
- Identificar y eliminar datos innecesarios o nulos
- Transformar variables categóricas a numéricas
- Comprender la distribución y relación de las variables
- Detectar patrones relevantes para el diagnóstico de cáncer de mama
## 🧰 **Tecnologías Utilizadas**
- Python
- Pandas
- Seaborn
- Matplotlib
- Jupyter Notebook
## 📁 **Dataset Utilizado**
- Fuente: Breast Cancer Wisconsin (Diagnostic) Dataset
- Formato: CSV
- Columnas originales: 33 (tras limpieza: 31)
- Variable objetivo: `diagnosis`, transformada a `target` (0 = Benigno, 1 = Maligno)
## 📌 **Principales acciones realizadas**
### 🧹 Limpieza y preparación de datos
- Eliminación de columnas irrelevantes (`Unnamed: 32`, `id`)
- Conversión de la variable `diagnosis` a formato binario (`target`)
- Revisión de valores nulos (no se detectaron tras limpieza)
### 📊 Análisis Exploratorio (EDA)
- Visualización de la distribución de clases (desbalance leve)
- Análisis de variables como `radius_mean` y `texture_mean`
- Matriz de correlación para identificar las variables más relevantes
- Uso de boxplots y countplots para comparar distribuciones
### ✅ Conclusiones Clave
- El 62.7% de los tumores son benignos y el 37.3% malignos.
- Variables como `concave points_worst`, `perimeter_worst` y `radius_mean` tienen alta correlación con el diagnóstico.
- Los tumores malignos tienden a tener valores más altos en tamaño, perímetro y concavidad.
- Las distribuciones presentan asimetría y valores extremos, especialmente en tumores malignos.
## 🔜 **Próximos Pasos**
- Aplicar técnicas de escalado y normalización
- Entrenar modelos de clasificación supervisada
- Validar métricas de desempeño y evaluar interpretabilidad del modelo
## 📩 **Contacto**
Si tienes alguna pregunta o sugerencia, no dudes en contactar a:
- **Nombre:** Roberto Edmundo Eustaquio Jiménez
- **Email:** [reusjimenez2002@gmail.com](mailto:reusjimenez2002@gmail.com)
- **GitHub:** [https://github.com/ReusJimenez](https://github.com/ReusJimenez)
- **LinkedIn:** [https://linkedin.com/in/roberto-eustaquio/](https://linkedin.com/in/roberto-eustaquio/)
## 📜 **Licencia**
Este proyecto se distribuye bajo la Licencia MIT. Consulta el archivo [LICENSE](./LICENSE) para más información.