Técnicas para el análisis y visualización de datos en el campo agropecuario

• Farfán Almeida, Carlos ^[1] ; Anchundia Macías, Reynaldo ^[1] ; Cedeño-Valarezo, Luis ^[1]
  1. [1] Escuela Superior Politécnica Agropecuaria de Manabí Manuel Félix López ESPAM MFL
• Localización: Revista Científica de Informática ENCRIPTAR, ISSN-e 2737-6389, Vol. 8, Nº. 16, 2025 (Ejemplar dedicado a: Revista Científica de Informática ENCRIPTAR), págs. 63-86
• Idioma: español
• Títulos paralelos:
  • Techniques for Data Analysis and Visualization in the Agricultural Field
• Enlaces
  • Texto completo
• Resumen
  • español

    El estudio tuvo como objetivo la limpieza y preparación de datos relacionados con el peso de los lechones en diferentes etapas desde su nacimiento hasta el destete. Se abordan técnicas para el análisis y visualización de datos en el sector agropecuario mediante la aplicación parcial de la metodología CRISP-DM. En primer lugar, se recopilaron datos desde 2022 al 2024 de la ESPAM MFL referentes al hato porcino los mismos que estaban en tablas de Excel. Posteriormente, se realiza una revisión exhaustiva de la información, se determina que, de 1477 registros, únicamente el 6.23% estaban completos. Luego, se limpió y preparó los datos empleando un enfoque estructurado que incluyó la identificación y eliminación de datos atípicos mediante el método del rango intercuartílico, el filtrado de registros completos y el cálculo de tasas de crecimiento promedio entre columnas, las mismas que se emplearon para imputar valores faltantes, obteniendo un conjunto de datos limpio y consistente. El resultado más relevante incluye la generación de un conjunto de datos apto para modelos de aprendizaje automático, validado mediante diversas visualizaciones, como diagramas de cajas, histogramas y gráficos de dispersión. Este enfoque proporciona un marco reproducible y adaptable para la preparación de datos en el sector agropecuario.

  • English

    The study aims to clean and prepare data related to piglet weight at different stages from birth to weaning. It explores techniques for data analysis and visualization in the agricultural sector through the partial application of the CRISP-DM methodology.First, data from 2022 to 2024 related to the swine herd at ESPAM MFL was collected, originally stored in Excel tables. Subsequently, a thorough review of the information was conducted, revealing that only 6.18% of the 1,489 records were complete. The data was then cleaned and prepared using a structured approach that included identifying and removing outliers through the interquartile range method, filtering complete records, and calculating average growth rates across columns. These growth rates were used to impute missing values, resulting in a clean and consistent dataset. The most significant outcome is the generation of a dataset suitable for machine learning models, validated through various visualizations such as box plots, histograms, and scatter plots. This approach provides a reproducible and adaptable framework for data preparation in the agricultural sector.