¿Cómo se generó este dataset?
Este es un dataset 100% ficticio pero realista creado con fines educativos. Simula 120 registros (4 cultivos × 30 días de monitoreo IoT en 2025). Incluye sensores de humedad, temperatura, NDVI, uso de agua, rendimiento y riesgo de enfermedad. ¡Fácil de empezar y lleno de insights prácticos!
Variables clave del monitoreo IoT
- Humedad del Suelo (%): Rango 39.6–74.3 | Promedio 58.0%
- Temperatura (°C): Rango 12.0–28.4 | Promedio 20.9°C
- NDVI: Rango 0.52–0.91 | Promedio 0.72
- Uso de Agua (L/ha): Rango 2.691–5.694 | Promedio 4.207 L/ha
- Rendimiento (kg/ha): Rango 8.626–49.969 | Promedio 29.252 kg/ha
- Riesgo de Enfermedad (%): Rango 0–31.9 | Promedio 13.7%
Cultivos incluidos: Lechuga (sensible), Maíz, Tomate y Papa.
Estadísticas descriptivas
| Variable | Media | Mediana | Mínimo | Máximo | Desv. Estándar |
|---|---|---|---|---|---|
| Humedad del Suelo (%) | 58.04 | 57.25 | 39.60 | 74.30 | 6.93 |
| Temperatura (°C) | 20.88 | 21.15 | 12.00 | 28.40 | 3.62 |
| NDVI | 0.72 | 0.72 | 0.52 | 0.91 | 0.08 |
| Uso de Agua (L/ha) | 4207.30 | 4126.50 | 2691.00 | 5694.00 | 648.69 |
| Rendimiento (kg/ha) | 29251.83 | 29895.50 | 8626.00 | 49969.00 | 12347.60 |
| Riesgo de Enfermedad (%) | 13.72 | 13.05 | 0.00 | 31.90 | 5.54 |
Visualizaciones Interactivas
1. Distribución de Humedad del Suelo (%)
La humedad se concentra entre 50% y 65%, rango óptimo para la mayoría de cultivos. ¡La mayoría de tus lecturas IoT estarán en la zona verde de productividad!
2. Humedad del Suelo vs Rendimiento (por cultivo)
Se observa una clara tendencia positiva: a mayor humedad, mayor rendimiento (correlación +0.71). El tomate y la papa responden mejor al riego inteligente.
3. Rendimiento promedio por cultivo (kg/ha)
El tomate lidera con casi 45.000 kg/ha, seguido de la papa. La lechuga es más sensible pero sigue siendo rentable con buen control.
4. Correlaciones de Pearson más relevantes
NDVI y humedad son los drivers más fuertes del rendimiento. ¡El riesgo de enfermedad cae drásticamente con buena humedad!
5. Evolución temporal del NDVI por cultivo (30 días)
El maíz mantiene un NDVI alto y estable. La lechuga muestra más variabilidad: ideal para intervenir temprano con fertilizantes.
6. Distribución de registros por cultivo
Los 120 registros están perfectamente balanceados (30 por cultivo). Esto permite comparaciones justas entre lechuga, maíz, tomate y papa.
Ideas prácticas de implementación
Principiante
- Empieza con Excel o Google Sheets
- Calcula promedios y gráficos simples
- Monitorea solo humedad y temperatura
- ¡Resultados en 1 semana!
Intermedio
- Usa Python + Pandas para correlaciones
- Exporta datos de tu sensor IoT a CSV
- Crea dashboards automáticos
- Detecta riesgos antes de que aparezcan
Avanzado
- Integra con Arduino/ESP32 + MQTT
- Aplica Machine Learning (scikit-learn)
- Predice rendimiento 7 días antes
- Conecta con sistemas de riego automático
Tips rápidos de EDA para agricultura inteligente
1. Siempre revisa valores atípicos
Un sensor defectuoso puede arruinar todo tu análisis. Usa boxplots para detectarlos rápido.
2. Busca correlaciones fuertes
NDVI +0.87 con rendimiento = oro. Enfócate en las variables que realmente mueven la aguja.
3. Compara por cultivo
Lo que funciona en tomate puede matar la lechuga. Segmenta siempre tus datos.
4. Actualiza cada 7 días
El clima cambia. Re-ejecuta tu EDA semanalmente para mantenerte un paso adelante.
5. Empieza pequeño
Un solo sensor en 1 hectárea ya te da insights valiosos. Escala después.
Recursos para seguir aprendiendo
¡Empieza hoy mismo!
Este ejemplo es solo el comienzo. Copia el código, cambia los datos por los tuyos y transforma tu campo en una operación inteligente y rentable. Fácil de empezar, imposible de parar.