Este repositorio analiza recursos de revisión del sistema de transparencia de la Ciudad de México. El proyecto combina limpieza de datos, homologación institucional, análisis semántico de solicitudes y una aplicación en Streamlit para explorar patrones por dependencia, resoluciones atípicas y cambios temporales.

• src/cleaning.py: limpia la base, normaliza instituciones y genera variables analíticas.
• src/sentido_utils.py: concentra la reclasificación de sentido y tipo de efecto.
• src/streamlit_app.py: app interactiva para explorar resultados.
• notebooks/00_exploration.ipynb: integración y revisión inicial de la fuente.
• notebooks/01_analisis_motivos.ipynb: análisis semántico y construcción de categorías.
• notebooks/02_patrones_por_dependencia.ipynb: análisis por dependencia, resoluciones y tiempo.
• outputs/interim/: insumos intermedios de trabajo.
• auxiliares/: figuras y archivos auxiliares para visualización.

El flujo general es:

1. Integrar y revisar la fuente original en notebooks/00_exploration.ipynb.
2. Ejecutar src/cleaning.py para:
   • eliminar duplicados y columnas residuales,
   • limpiar texto de solicitudes,
   • homologar nombres de sujetos obligados contra catálogo,
   • generar variables como anio, mes, sentido_reclasificado y sentido_efecto.
3. Analizar motivos y categorías semánticas en notebooks/01_analisis_motivos.ipynb.
4. Explorar patrones institucionales en notebooks/02_patrones_por_dependencia.ipynb.
5. Visualizar resultados en la app src/streamlit_app.py.

Desde la raíz del proyecto:

uv sync

Para entrar al entorno virtual creado por uv:

source .venv/bin/activate

.venv/bin/python src/cleaning.py

Esto genera o actualiza archivos intermedios como:

• outputs/interim/resoluciones_clean.xlsx
• outputs/interim/resoluciones_para_trabajo.xlsx

Puedes abrir Jupyter:

uv run jupyter notebook

Y ejecutar en este orden:

1. notebooks/00_exploration.ipynb
2. notebooks/01_analisis_motivos.ipynb
3. notebooks/02_patrones_por_dependencia.ipynb

uv run streamlit run src/streamlit_app.py

La app usa por defecto:

• outputs/interim/resoluciones_para_trabajo_etiquetado.xlsx
• auxiliares/embeddings_projector.tsv
• auxiliares/metadata_projector.tsv

• Python >=3.13
• uv

El proyecto está pensado como un flujo analítico reproducible: limpieza, etiquetado, análisis exploratorio y visualización interactiva. Si actualizas los datos base, conviene volver a correr la limpieza y después los notebooks principales antes de abrir la app.