Don't Stop Me Now / (Pandas + Looker Studio)

Introducción

La actividad física es fundamental para nuestra profesión, despeja la mente, haces cable a tierra, regresas con más energía y muchas veces con la solución que estabas buscando o con una perspectiva más interesante. Después de 15 años y acusando 40 tacos decidí volver a correr para tener una alternativa a salir en bicicleta (mi otra pasión). En este proyecto haré el análisis de los datos recolectados en mi primer año con la app Runkeeper.

Extracción de datos y exploración

Runkeeper provee diferentes archivos en formato: csv, json y gpx. El primer paso es cargar los archivos: steps.csv y cardioActivities.csv, utilizando Pandas.

• Steps: contiene 12.259 entradas y 3 columnas, incluyendo información como 'Activity Id', ' Timestamp', ' Steps'.
• cardioActivities: contiene 287 registros y 14 columnas tales como 'Activity Id', 'Date', 'Type', 'Route Name', 'Distance (km)', 'Duration', 'Average Pace', 'Average Speed (km/h)', etc. En los primeros pasos de la inspección empleo métodos como head() e info().

Transformación y Limpieza de Datos

• Extraemos el total de pasos por Activity Id del dataframe de Steps para fusionarlo a nuestro dataset general de Activities.
• Eliminamos las columnas ("Route Name", "Average Heart Rate (bpm)", "Friend's Tagged", "Notes", "GPX File") de Activities.
• Convertimos Average Pace, Duration y Date a timedelta y datetime. Finalmente convertimos Average Pace a float.
• Extracción del total de steps por actividad.
• Unión de ambos dataframes.

Análisis Exploratorio de los Datos

(Fichero/File: analisis_exploratorio.ipynb)

Datos correspondientes sólo al primer año desde el comienzo de la actividad.

Respondiendo algunas preguntas:

• Top 3 carreras más largas
• Top 3 carreras más rápidas
• Top 5 carreras con mayor desnivel positivo
• Total kms corridos en el primer año
• Desnivel positivo acumulado en todo el año

Extracción de datos y cálculos para evaluar la evolución Observaciones finales.

Predicciones

(Fichero/File: running_forecast.ipynb)

Datos completos desde finales de Junio de 2023 hasta principios de Noviembre de 2024

Tras finalizar la limpieza y transformación de los datos, excluimos los datos correspondientes a Cycling y Walking. Agrupamos los datos semanalmente para poder crear el modelo predictivo. Imputamos valores faltantes en Junio para que no afecten las predicciones. Creación y entrenamiento del modelo. Realizamos nuestras predicciones y obtenemos métricas. Extraigo los datos semanales para comparar con las predicciones realizadas en Google Sheets.