Salida#


../../_images/2_cover.png

Fig. 35 Ilustración realizada por Bernardo Dinamarca.#

¡Hola! Este notebook estará basado en recopilar, a través de la Visualización de Datos, las cifras históricas y actuales de la pandemia en Tarapacá. Aún no he indagado cómo hacer que se actualice de forma automática, pero eventualmente, ¡lo lograremos!

Importando paquetes#

Trabajaremos con las librerías del primer notebook y otras. Respecto a las librerías para visualización, no utilizaremos Matplotlib o Seaborn, dado que deseo realizar gráficas interactivas que sean visualmente limpias y atractivas. Además, incorporaremos al equipo Beautiful Soup, que es una librería para manipular lenguaje HTML.

Todo ésto, será en fin de generar dos salidas:

  • Un reporte para el libro.

  • Una página externa para incrustarse en el sitio de la Universidad Arturo Prat.

Anteriormente, trabajaba con Infogram, la cual es la misma plataforma que utiliza el Gobierno de Chile en su página de Cifras Oficiales. Sin embargo, la plataforma carece de automatización gratuita, y se debe pagar para lograr esa automatización.

En ese sentido, exportaremos una página HTML, para poder incrustarse en el sitio de la Universidad Arturo Prat.

Respecto a nuestro equipo de librerías habitual, sumamos:

  • Plot.ly (librería de visualización dinámica e interactiva a partir de JavaScript).

https://upload.wikimedia.org/wikipedia/commons/thumb/3/37/Plotly-logo-01-square.png/1200px-Plotly-logo-01-square.png

Fig. 36 Logo de la librería Plot.ly.#

  • Beautiful Soup (librería de Python para extraer datos de archivos HTML y XML).

https://funthon.files.wordpress.com/2017/05/bs.png?w=1024

Fig. 37 Logo de la librería Beautiful Soup.#

# Importando paquetes

### Librería de manipulación de datos 
import pandas as pd
pd.set_option('use_inf_as_na', True)
pd.options.display.float_format = '{:,.2f}'.format

### Librería de álgebra
import numpy as np

### Librerías para graficar
import plotly.graph_objects as go

### Customizamos opciones de Plot.ly
config = {'displayModeBar': False, 'showTips': False, 'scrollZoom': False}
layout = go.Layout(dragmode=False, font=dict(color='white'),
    xaxis=dict(
        showline=True,
        showgrid=True,
        showticklabels=True,
        linecolor='rgb(204, 204, 204)',
        linewidth=2,
        ticks='outside',
        tickfont=dict(
            family='Arial',
            size=12,
            color='rgb(82, 82, 82)',
        ),
    ),
    yaxis=dict(
        showgrid=True,
        showticklabels=True,
    ),
    autosize=True,
    margin=dict(
        autoexpand=True,
        l=0,
        r=0,
        t=0,
    ),
    showlegend=True,
    paper_bgcolor='rgba(0,0,0,0)',
    plot_bgcolor='rgba(0,0,0,0)',
    legend=dict(
        itemclick="toggleothers",
        itemdoubleclick="toggle",
        orientation="h",
        yanchor="bottom",
        xanchor='right',
        x=1,
        y=1.02
    )
)

### Librería BeautifulSoup para manipular HTML
from bs4 import BeautifulSoup

### Para formato local
import locale
### Según Windows o Ubuntu
try:
    ### Windows
    locale.setlocale(locale.LC_ALL, 'esp')
except Exception:
    ### Ubuntu (action)
    locale.setlocale(locale.LC_ALL, 'es_CL.UTF-8')

### Otros paquetes
import math
import os, os.path
import json as json
import datetime
import time
from IPython.display import display, Markdown, HTML, Javascript, IFrame

### Gracias a joelostblom (https://gitlab.com/joelostblom/session_info)
import session_info

Importando datos#

Hacemos el mismo proceso habitual, con la diferencia que importaremos datos ya procesados.

### Gracias a Daniel Stutzbach y Bruno Bronosky (stackoverflow.com/a/2632251/13746427) ###
sum_ = 0
for string in [name for name in os.listdir('../../out/site/csv/')]:
    sum_ += string.count('data')

## Cargamos cada uno de los csv (basado en el primer notebook)
x = range(1, sum_+1)
data = []
for i in x:
    exec('data += [pd.read_csv("../../out/site/csv/data{}.csv", parse_dates=["Fecha"], index_col=["Fecha"])]'.format(i, i))

Tendencia#

La diferencia de nuestras publicaciones (en contraste a la forma en que se entregaba información en otras páginas informativas en Instagram) se basaban en la visualización de datos, y en particular, en las tendencias semanales. También, se agregaban cálculos o datos que, en los reportes del Minsal, no se encontraban procesados.

Imaginemos que, lo único que hiciéramos fuese entregar cifras aisladas. ¿Qué retratan? ¿De dónde venimos? No es correcto que, por un día, debamos ser positivistas o negativistas. De hecho, esos pensamientos deparan en sesgos, y lo peor, en sesgos que no contemplan la integralidad de la pandemia. Por eso es relevante formar una mirada holística en la visualización de los datos. Las cifras de un día \(X\) pueden ser sumamente variables al día \(X+1\) en función de depender de la muestra (cantidad de exámenes PCR informados en el día \(X\) o \(X+1\)). Por ello, es importante regirse por las tendencias, o por los estadísticos.

El problema es que, al ser Instagram, una plataforma homogénea, el storytelling debe ser accesible para todo público (con estudios matemáticos o no). De esa forma, los reportes tenían una alta presencia de tendencias a través de gráficas, y no así de estadísticos (a excepción de medias móviles semanales).

La comprensión de la pandemia debía partir desde el mejor storytelling (el contar una historia detrás de los datos). El tomar una idea, o un incidente, y contarla como una historia: Cada día particular de la pandemia es una hoja de esa historia (una hoja del “libro” COVID-19 en Tarapacá). Por esa razón, desarrollamos el reporte diario no solo con datos duros, sino también con gráficas de tendencia semanal.

Cifras significativas#

Las tablas y gráficos visualizados en la presente sección tienen una a dos cifras significativas. Cualquier sugerencia es bienvenida.

Para los datos, descargar los archivos .CSV procesados. Éstos están disponibles en el propio libro (sección Legado 🔀), o bien, en el repositorio.

¿Cuántos gráficos se exportarán?#

display(Markdown('> Se exportarán un total de **{} gráficos**.'.format(sum_)))

Se exportarán un total de 27 gráficos.

Automatizando salida de gráficos#

A continuación, se desarrolla un código que recorre cada uno de los archivos .CSV que generamos en el primer notebook, del cual, realiza una “especie” de resumen de los estadísticos, visualiza los datos en un gráfico en Plot.ly y culmina con información adicional sobre:

  • Descarga de los datos (solo funciona al presionar desde el libro publicado, no desde el notebook).

  • La fecha de inicio y fin del gráfico.

%%capture reportediario
x = 0
### Título y otras cosas
display(Markdown('<h2 style="font-size:60px;">REPORTE DIARIO</h2>'))
display(Markdown('<h3 style="font-size:20px;">Región de Tarapacá, {}</h3>'.format(data[0].last_valid_index().strftime('%d de %B de %Y'))))

### Recorremos el vector que almacena los DataFrames, uno a uno
for dataframe in data:
    
    ### Para guardar el número del gráfico (un poco ordinario el método, lo sé)
    
    x += 1
    
    ### Definimos una nueva figura
    
    fig = go.Figure(layout=layout)
    
    ### Algunos datos y título
    
    display(Markdown('<h3> Gráfico {}</h3>'.format(x)))
    display(Markdown('El gráfico contiene las siguientes <b>columnas</b>: '))
    
    ### Recorremos cada una de las columnas del DataFrame anterior
    
    for col in dataframe.columns:
        
        ### Vector de fechas desde primer y último dato válido por cada columna
        
        index = dataframe[col].first_valid_index()
        index_ = dataframe[col].last_valid_index()
            
        ### DataFrame según filtro de primer dato válido
        
        _df = dataframe[index:]
            
        ### Índice de DataFrame según filtro anterior
            
        fecha = dataframe[index:].index
    
        ### Columna específica
        
        _col = dataframe[index:][col]
        
        ### Añadimos un trazado por cada columna, conectamos los valores para no tener discontinuidad y
        ### suavizamos por interpolación spline
        
        fig.add_trace(go.Scatter(x=_df.index.strftime('%d %b %Y'),
                                 y=_col,
                    mode='lines',
                    name=col,
                    connectgaps=True,
                    line_shape='linear',
                    hovertemplate =
                    '<b>{}</b>: '.format(col) + '%{y:.2f}'+'<br><b>Fecha</b>: %{x}<br>' + "<extra></extra>"))
        
        ### Para colocar en 35° las etiquetas del eje X, con el número de etiquetas proporcional al número de meses
        ### desde el primer dato válido
        
        fig.update_layout(xaxis = go.layout.XAxis(tickangle = 90,
                                                  nticks=len(_df.index.month.unique())))
        ### Más datos
        display(Markdown(' - <b>{}</b>.'.format(col)))
        display(Markdown("""El mayor valor es de <b>{}</b>, registrado el <b>{}</b>. 
        Asimismo, la mediana es de <b>{}</b>.
        Respecto a la dispersión de los datos, la desviación estándar es del <b>{}</b>. """
                         .format(dataframe[col].max(), dataframe[dataframe[col] == dataframe[col].max()].index[0].strftime('%d de %B de %Y'),
                                 round(dataframe[col].median(), 2), round(dataframe[col].std(), 2))))
        display(Markdown('> El valor en base al último reporte diario o epidemiológico ({}) es de <b>{}</b>.'.format(dataframe[index_:].index[0].strftime('%d de %B de %Y'), dataframe[col][index_])))
    
    ### Mostramos la figura procesada en el ciclo anterior y otros datos. Añadimos espaciado
    display(Markdown('<h4>Visualización del gráfico {}</h4> <br> El gráfico, visualizado en <a href="https://plotly.com/python/">Plot.ly</a>: <br>'.format(x)))
    fig.show(config=config)
    
    display(Markdown("""> <b>Notas</b>: 
    <br> - El gráfico <b>inicia en el {}</b> y <b>termina el {}</b> en base a los datos disponibles.
    <br> - Para aislar una curva, presionar en el nombre o color en la leyenda. 
    <br> - Para remover una curva, seguir instrucción anterior, con la diferencia de presionar dos veces.""".format(\
                    _df.index[0].strftime('%d de %B de %Y'),
                    dataframe[index_:].index[0].strftime('%d de %B de %Y'))))
    display(Markdown('<h4>Información adicional sobre el gráfico {}</h4> <br>'.format(x)))
    display(Markdown(
    """El <b>gráfico {}</b> utilizó los datos procesados en <a href="https://raw.githubusercontent.com/pandemiaventana/pandemiaventana/main/out/site/csv/data{}.csv">data{}.csv</a>.
    La tabla de datos resumida:""".format(x, x, x, x)))
    display(dataframe)

Automatizando salida para asistenciacovid19#

En razón de brindar una página web que se pueda incrustar en el sitio de la Universidad Arturo Prat, como también en el presente sitio, generamos las siguientes líneas de codigo.

¿Dónde estará la salida?#

La salida estará disponible en “Balance histórico 📊”.

¿Cómo funciona?#

  • La salida completa de la celda anterior es capturada como lenguaje HTML, pero solo el cuerpo de la página [Ben20].

En este sentido, dar gracias al usuario Benvida, de Stackoverflow 1. El código original que desarrolló se encuentra a continuación, el cual modificaremos.

%%js
{
    let outputs=[...document.querySelectorAll(".cell")].map(
        cell=> {
            let output=cell.querySelector(".output_text")
            if(output) return output.innerText
            output=cell.querySelector(".rendered_html")
            if(output) return output.innerHTML
            return ""
        }
    )
    
    IPython.notebook.kernel.execute("cell_outputs="+JSON.stringify(outputs))    
}

Inconveniente#

En primer lugar, el lenguaje de marcado (HTML) solo brinda la estructura básica del sitio, que se compone de texto, imágenes y scripts. Para que funcionen los scripts, en este caso, Plot.ly, se tienen múltiples dependencias de otras librerías de JavaScript.

JavaScript es un lenguaje de programación de alto nivel, el cual, tal como Python, tiene múltiples librerías que se especializan en distintas tareas y funciones. Plot.ly depende de otras librerías para funcionar, por lo que, para que el script de JavaScript, realizado por los creadores de Plot.ly, funcione, debemos no solo incorporar el código de los gráficos, sino también sus dependencias.

Para ello, incorporamos en el <head> las CDN. Estos son servidores, a partir de los cuales descargamos los archivos que tienen las dependencias.

Cabe recalcar que, además de código JavaScript, también incorporamos lenguaje de hojas de estilo en cascada (CSS), el cual le da formato y estilo al solitario HTML.

En analogía, y para simple comprensión, HTML es el esqueleto (estructura), JS es la musculación (animaciones y movimiento) y CSS es la apariencia externa (piel y atributos físicos).

Algunos arreglos#

  • La función por BenVida es ejecutada una vez se terminó de ejecutar todas las celdas, y por ende, los outputs no son recopilados hasta que el Kernel culmina su ejecución.


html = open('balance.html','w')
html.write('''<html><head><link rel='stylesheet' href='https://maxcdn.bootstrapcdn.com/bootstrap/3.3.1/css/bootstrap.min.css'><script src='https://cdn.plot.ly/plotly-latest.min.js'></script><script src='https://cdnjs.cloudflare.com/ajax/libs/require.js/2.3.6/require.js'></script></head><body>''' +cell_outputs[9] +'''</body></html>''')
html.close()

Aquí se nos genera el siguiente problema: La variable cell_outputs no es asignada hasta que el Kernel termina su ejecución, por lo que si deséaramos actualizar el archivo HTML, en base a la celda anterior de código (donde están los gráficos Plot.ly), no podríamos, porque la variable cell_outputs todavía no está asignada. ¿La solución? Ejecutar el código Python tras la ejecución del código JavaScript, y de esta forma, no tenemos inconvenientes. Para ello, utilizaremos la misma función que utilizó BenVida, IPython.notebook.kernel.execute("") donde en " " debe ir el código Python.

Por otro lado, al ser código JavaScript con Python, ¡se debe tener cuidado al utilizar comillas sobre doble comillas o viceversa! De otra forma, tendremos un error. Por esta razón, utilizamos la función format() de Python (ya que las URL deben ir entre comillas, le decimos a Python que se encargue de esa situación, sin que el input de JavaScript nos resulte en error).

Detalles#

El sitio se encuentra en el directorio ./out/site. Respecto al funcionamiento del código para procesarlo:

  • Modificamos al función para no solamente obtener el texto, sino que todo el HTML.

  • Para no desperdiciar los estilos CSS que utiliza Jupyter Notebooks, copié los mismos archivos CSS en la carpeta del sitio (ipython.min.css y style.min.css). Los archivos se pueden encontrar en el directorio de Anaconda, usuario/anaconda3/Lib/site-packages/notebook/static/style.

  • Además, en el mismo directorio se encuentra el archivo JavaScript, plotly.js, que debe estar en el directorio para que funcionen los gráficos interactivos.

  • Se remueven los <div> con clase prompt, que es lo que brinda el margen a la izquierda en Jupyter Notebooks.

    IPython.notebook.kernel.execute("removals = soup.find_all(attrs={'class': 'prompt'})")
    IPython.notebook.kernel.execute("for removal in removals: removal.decompose()")
    IPython.notebook.kernel.execute("soup = str(soup)")

Nuevo inconveniente#

Al automatizar el código en GitHub, logré apreciar que el código Python a través de JavaScript no es ejecutado. Ésto produce que los archivos no se actualicen.

Por ello, tuve que aproximar otra solución.

Con el comando mágico de Jupyter Notebook, %%capture, capturamos la salida de una celda específica.

En este caso puntual, almacenamos la salida en la variable reportediario con el comando mágico %%capture. Esa salida debemos convertirla a texto, o string en inglés, el problema es que, al ser un output de una celda, posee algunos textos que no deseamos:

  • El tipo de variable que se está imprimiendo.

  • Configuración de Plot.ly en diccionario.

  • Datos de tabla sin formato.

En las siguientes líneas de código:

  • Limpieza de textos.

  • Damos formato de documento HTML.

  • Añadimos Bootstrap 2 para que el documento HTML no quede plano, añadiendo código desde sus Docs [Boo20].

  • Entre otros.

outputs_ = reportediario.outputs

vec_out = []
for outs_ in outputs_:
    ### Convertimos a lista los outputs
    vec_out += list(outs_.data.values())

### Nuestro string
vec_ = ''
### Recorremos la lista de outputs
for vec in vec_out:
    vec = str(vec)
    ### Quitamos configuración de Plot.ly
    if vec.startswith("{'data':"):
        pass
    else:
        ### Quitamos el str de datos de tabla sin formato
        if vec.startswith("            "):
            pass
        else:
            ### Quitamos el str del tipo de variable
            vec = vec.replace('<IPython.core.display.Markdown object>', '')
            ### Damos formato a tablas
            if vec.startswith('<div>\n<style scoped>'):
                vec = vec.replace('NaN', 'Sin datos')
                vec = BeautifulSoup(vec, 'html.parser').find('table')
                vec['class'] = vec.get('class', []) + [' table table-dark table-striped table-hover table-sm']
                vec = '<div class="table-responsive">' + str(vec) + '</div>'
            ### Finalmente, añadimos al vector
            vec_ += '<div class="row"><br><div class="col text-light">' + vec + '</div></div>'

### Abrimos y modificamos el HTML
with open('../../_build/html/dinamic/balance.html', 'w', encoding='UTF-8') as f:
    f.write('''<html>
    <head>
    <link rel="stylesheet" href="https://maxcdn.bootstrapcdn.com/bootstrap/4.0.0/css/bootstrap.min.css" integrity="sha384-Gn5384xqQ1aoWXA+058RXPxPg6fy4IWvTNh0E263XmFcJlSAwiGgFAW/dAiS6JXm" crossorigin="anonymous">
    <script src="https://code.jquery.com/jquery-3.2.1.slim.min.js" integrity="sha384-KJ3o2DKtIkvYIK3UENzmM7KCkRr/rE9/Qpg6aAZGJwFDMVNA/GpGFF93hXpG5KkN" crossorigin="anonymous">
    </script>
    <script src="https://cdnjs.cloudflare.com/ajax/libs/popper.js/1.12.9/umd/popper.min.js" integrity="sha384-ApNbgh9B+Y1QKtv3Rn7W3mgPxhU9K/ScQsAP7hUibX39j7fakFPskvXusvfa0b4Q" crossorigin="anonymous">
    </script>
    <script src="https://maxcdn.bootstrapcdn.com/bootstrap/4.0.0/js/bootstrap.min.js" integrity="sha384-JZR6Spejh4U02d8jOt6vLEHfe/JQGiRRSQQxSfFWpi1MquVdAyjUar5+76PVCmYl" crossorigin="anonymous">
    </script>
    <meta name="viewport" content="width=device-width, initial-scale=1">
    <script src="https://cdn.plot.ly/plotly-latest.min.js">
    </script>
    <script src="https://cdnjs.cloudflare.com/ajax/libs/require.js/2.3.6/require.js">
    </script>
    <link rel="icon" href="./favicon.ico" type="image/x-icon"/>
    <meta charset="UTF-8">
    <title>Balance histórico 📊 &#8212; La pandemia por la ventana</title>
    </head>
    <body>
    <nav class="navbar nnavbar-expand-lg navbar-dark bg-dark">
      <a class="navbar-brand" href="https://pandemiaventana.github.io/pandemiaventana/">
    <img src="./logo.png" width="35" height="35" class="d-inline-block align-top" alt="">
    Numeral.lab
      </a>
      <button class="navbar-toggler" type="button" data-toggle="collapse" data-target="#navbarNavAltMarkup" aria-controls="navbarNavAltMarkup" aria-expanded="false" aria-label="Toggle navigation">
    <span class="navbar-toggler-icon"></span>
    </button>
    <div class="collapse navbar-collapse" id="navbarNavAltMarkup">
    <div class="navbar-nav">
      <a class="nav-item nav-link active" href="#">Reporte diario <span class="sr-only">(current)</span></a>
      <a class="nav-item nav-link" href="https://pandemiaventana.github.io/pandemiaventana/dinamic/indicadorfase.html">Indicador de fase</a>
      <a class="nav-item nav-link" href="https://pandemiaventana.github.io/pandemiaventana/">La pandemia por la ventana</a>
    </div>
    </div>
    </nav>
    <div class="container-fluid bg-dark text-light">''' 
    + vec_ + 
    '''</div>
    </body>
    </html>''')

Información de sesión#

session_info.show(cpu=True, jupyter=True, std_lib=True, write_req_file=True, dependencies=True, req_file_name='3_requeriments.txt')
Click to view session information
            -----
            bs4                 4.11.1
            datetime            NA
            json                2.0.9
            locale              NA
            math                NA
            numpy               1.20.3
            os                  NA
            pandas              1.3.4
            plotly              5.5.0
            session_info        1.0.0
            time                NA
            -----
            
Click to view modules imported as dependencies
            PIL                 8.4.0
            abc                 NA
            argparse            1.1
            array               NA
            ast                 NA
            asyncio             NA
            atexit              NA
            attr                21.4.0
            backcall            0.2.0
            base64              NA
            bdb                 NA
            binascii            NA
            bisect              NA
            bz2                 NA
            cProfile            NA
            calendar            NA
            cffi                1.15.1
            charset_normalizer  2.0.12
            cmath               NA
            cmd                 NA
            code                NA
            codecs              NA
            codeop              NA
            collections         NA
            colorama            0.4.6
            colorsys            NA
            concurrent          NA
            configparser        NA
            contextlib          NA
            contextvars         NA
            copy                NA
            copyreg             NA
            csv                 1.0
            ctypes              1.1.0
            curses              NA
            cython_runtime      NA
            dataclasses         NA
            dateutil            2.8.2
            debugpy             1.6.3
            decimal             1.70
            decorator           5.1.1
            defusedxml          0.7.1
            difflib             NA
            dis                 NA
            distutils           3.7.15
            email               NA
            encodings           NA
            entrypoints         0.4
            enum                NA
            errno               NA
            fastjsonschema      NA
            faulthandler        NA
            fcntl               NA
            filecmp             NA
            fnmatch             NA
            functools           NA
            gc                  NA
            genericpath         NA
            getopt              NA
            getpass             NA
            gettext             NA
            glob                NA
            grp                 NA
            gzip                NA
            hashlib             NA
            heapq               NA
            hmac                NA
            html                NA
            http                NA
            idna                3.4
            importlib           NA
            importlib_metadata  NA
            inspect             NA
            io                  NA
            ipykernel           6.16.2
            ipython_genutils    0.2.0
            itertools           NA
            jedi                0.18.2
            jsonschema          3.2.0
            keyword             NA
            linecache           NA
            logging             0.5.1.2
            lxml                4.9.1
            lzma                NA
            marshal             4
            mimetypes           NA
            mmap                NA
            mpl_toolkits        NA
            multiprocessing     NA
            nbformat            5.7.0
            ntpath              NA
            numbers             NA
            opcode              NA
            operator            NA
            packaging           21.3
            parso               0.8.3
            pathlib             NA
            pdb                 NA
            pexpect             4.8.0
            pickle              NA
            pickleshare         0.7.5
            pkg_resources       NA
            pkgutil             NA
            platform            1.0.8
            plistlib            NA
            posix               NA
            posixpath           NA
            pprint              NA
            profile             NA
            prompt_toolkit      3.0.33
            pstats              NA
            psutil              5.9.4
            pty                 NA
            ptyprocess          0.7.0
            pwd                 NA
            pydev_ipython       NA
            pydevconsole        NA
            pydevd              2.8.0
            pydevd_file_utils   NA
            pydevd_plugins      NA
            pydevd_tracing      NA
            pydoc               NA
            pydoc_data          NA
            pyexpat             NA
            pygments            2.13.0
            pyrsistent          NA
            pytz                2022.6
            queue               NA
            quopri              NA
            random              NA
            re                  2.2.1
            reprlib             NA
            resource            NA
            runpy               NA
            secrets             NA
            select              NA
            selectors           NA
            shlex               NA
            shutil              NA
            signal              NA
            site                NA
            six                 1.16.0
            socket              NA
            socketserver        0.4
            soupsieve           2.3.2.post1
            sphinxcontrib       NA
            sqlite3             2.6.0
            sre_compile         NA
            sre_constants       NA
            sre_parse           NA
            ssl                 NA
            stat                NA
            storemagic          NA
            string              NA
            stringprep          NA
            struct              NA
            subprocess          NA
            sys                 3.7.15 (default, Oct 18 2022, 09:34:31) 
[GCC 9.4.0]
            sysconfig           NA
            tarfile             0.9.0
            tempfile            NA
            tenacity            NA
            termios             NA
            textwrap            NA
            threading           NA
            timeit              NA
            token               NA
            tokenize            NA
            tornado             6.2
            traceback           NA
            traitlets           5.5.0
            tty                 NA
            types               NA
            typing              NA
            typing_extensions   NA
            unicodedata         NA
            urllib              NA
            uu                  NA
            uuid                NA
            warnings            NA
            wcwidth             0.2.5
            weakref             NA
            webbrowser          NA
            xml                 NA
            xmlrpc              NA
            zipfile             NA
            zipimport           NA
            zipp                NA
            zlib                1.0
            zmq                 24.0.1
            
            -----
            IPython             7.34.0
            jupyter_client      7.4.7
            jupyter_core        4.12.0
            notebook            6.5.2
            -----
            Python 3.7.15 (default, Oct 18 2022, 09:34:31) [GCC 9.4.0]
            Linux-5.15.0-1023-azure-x86_64-with-debian-bullseye-sid
            2 logical CPU cores, x86_64
            -----
            Session information updated at 2022-11-29 00:00
            

Bibliografía de esta página#

1

BenVida. Jupyter magic to handle notebook exceptions. 2020. URL: https://stackoverflow.com/a/64495269/13746427.

2

Bootstrap. Get started with Bootstrap. 2020. URL: https://getbootstrap.com/docs/4.3/getting-started/introduction/.