En este proyecto, me sumergí en el análisis de un conjunto de datos descargado desde Kaggle que proporcionaba información detallada sobre estudiantes universitarios en los Estados Unidos.

La tabla comprendía datos sobre la presencia de ansiedad, depresión y ataques de pánico en los estudiantes, así como información sobre si recibían tratamiento especializado. Además, incluía detalles sobre el nivel del curso, la especialización, la edad y el género de los estudiantes.

1. Comencé por descargar el archivo CSV desde Kaggle, que contenía toda la información necesaria. Luego, utilicé Python en un entorno Jupyter Notebook para abrir el archivo CSV y cargar los datos en una base de datos SQLite. Esto me permitió realizar consultas SQL en los datos para obtener información relevante.




2. Análisis con SQL: calculé la cantidad de estudiantes que tienen depresión, ansiedad y ataques de pánico.



3. Análisis con SQL: el promedio de edad por género.



4. Análisis con SQL: calculé el promedio de CGPA (Grade Point Average) por género.



5. Análisis con SQL: la cantidad de estudiantes con un tratamiento especial, agrupado por año de estudio.



6. Análisis con SQL: edad promedio de estudiantes con tratamientos especializados por género.

Luego de realizar las consultas SQL y obtener los resultados, trasladé los datos a un entorno Jupyter Lab.

1. Utilicé bibliotecas de visualización de datos como Matplotlib para crear gráficos informativos y representativos. En primer lugar genere un gráfico para visualizar la cantidad de alumnos que tienen depresión.



2. Y luego, generé gráficos de barras para mostrar la cantidad de estudiantes con ansiedad, depresión y ataques de pánico.

Este proyecto me permitió explorar en profundidad la situación de los estudiantes universitarios en relación con la ansiedad, la depresión y los tratamientos especializados.

Además, pude analizar estadísticas clave, como la edad promedio y el desempeño académico. La combinación de consultas SQL y visualizaciones en Jupyter Lab proporcionó una visión completa de los datos y ayudó a identificar patrones y tendencias importantes. Este análisis puede ser útil para las instituciones educativas en la identificación de necesidades y la implementación de apoyos adicionales para los estudiantes.