🧹 MASTER-EVOLVE-MODULO-2

Librería Python desarrollada por Valentina Bailón Cano en el marco del Máster en Data Science & IA de Evolve.

Ofrece funciones de procesamiento y análisis léxico de texto con:

• Limpieza avanzada
• Detección automática de idioma
• Eliminación de stopwords multilingües
• Visualización de frecuencias

---

🚀 Funcionalidades principales

• 🔤 Limpieza del texto
  Convierte a minúsculas, elimina símbolos y espacios innecesarios.

• 🌍 Detección automática del idioma
  Identifica si el texto está en español, inglés, etc.

• 🧹 Eliminación de stopwords
  Elimina palabras vacías como “el”, “de”, “and”, etc. según el idioma detectado.

• 🧮 Conteo de palabras
  Calcula el número total de palabras significativas.

• 📊 Frecuencia de palabras
  Calcula cuántas veces aparece cada palabra y las visualiza en un gráfico de barras o dispersión.

---

🧪 Ejemplo de uso

from proyecto import (
    limpiar_texto,
    detectar_idioma,
    eliminar_stopwords,
    contar_palabras,
    frecuencia_palabras
)

texto = "¡Hola Mundo! Esto es un ejemplo de texto."

idioma = detectar_idioma(texto)
texto_limpio = limpiar_texto(texto)
texto_filtrado = eliminar_stopwords(texto_limpio, idioma)
conteo = contar_palabras(texto_filtrado)
frecuencias = frecuencia_palabras(texto_filtrado)

print(f"Idioma: {idioma}")
print(f"Texto limpio: {texto_limpio}")
print(f"Texto sin stopwords: {texto_filtrado}")
print(f"Número de palabras: {conteo}")
print(f"Frecuencias: {frecuencias}")

---

📁 Estructura del proyecto

MASTER-EVOLVE-MODULO-2/
├── proyecto/
│   ├── __init__.py
│   ├── limpieza.py
│   └── analisis.py
│   └── main.py
│
├── tests/
│   ├── test_limpieza.py
│   └── test_analisis.py
│
├── streamlit_app.py
├── requirements.txt
├── demo.ipynb
├── setup.py
└── README.md

---

🧩 Requisitos e instalación

Instala las dependencias desde el archivo requirements.txt:

pip install -r requirements.txt

O instala el paquete localmente en modo editable:

pip install -e .

1. Crear entorno virtual (opcional pero recomendado)

python -m venv venv

2. Activar el entorno virtual

En Git Bash:

source venv/Scripts/activate

En terminal de Visual Studio Code:

.\venv\Scripts\activate

3. Instalar las dependencias

pip install -r requirements.txt

4. Instalar el paquete localmente en modo editable

pip install -e .

5. Ejecutar los tests (opcional, recomendado)

pytest tests/

6. Lanzar la aplicación web de Streamlit

streamlit run streamlit_app.py

---

🌐 Aplicación Web

Accede a la app online desarrollada con Streamlit:
🔗 Abrir en Streamlit Cloud

---

👩‍💻 Autora

Valentina Bailón Cano
Máster en Data Science & IA – Evolve
📎 LinkedIn
🔗 Ver repositorio en GitHub

---