EDA Resultados saber 11 2021

import pandas as pd # Libreria para el tratamiento de DataFrames import matplotlib.pyplot as plt # Libreria gráfica import seaborn as sns # Libreria Gráfica import numpy as np # Libreria de algebra lineal

# Lectura del dataset saber_11 = pd.read_csv("/work/datos_saber_11_2020.csv") saber_11.head()

ESTU_TIPODOCUMENTOobject

ESTU_NACIONALIDADobject

0

TI

COLOMBIA

1

TI

COLOMBIA

2

TI

COLOMBIA

3

TI

COLOMBIA

4

TI

COLOMBIA

# ¿Que columnas tienen los datos? saber_11.columns

# ¿Que tamaño tienen los datos? saber_11.shape

# ¿Hay nulos en los datos? saber_11.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 520307 entries, 0 to 520306
Data columns (total 81 columns):
 #   Column                         Non-Null Count   Dtype  
---  ------                         --------------   -----  
 0   ESTU_TIPODOCUMENTO             520307 non-null  object 
 1   ESTU_NACIONALIDAD              520307 non-null  object 
 2   ESTU_GENERO                    520298 non-null  object 
 3   ESTU_FECHANACIMIENTO           520307 non-null  object 
 4   PERIODO                        520307 non-null  int64  
 5   ESTU_CONSECUTIVO               520307 non-null  object 
 6   ESTU_ESTUDIANTE                520307 non-null  object 
 7   ESTU_PAIS_RESIDE               520307 non-null  object 
 8   ESTU_TIENEETNIA                516550 non-null  object 
 9   ESTU_DEPTO_RESIDE              519541 non-null  object 
 10  ESTU_COD_RESIDE_DEPTO          519541 non-null  float64
 11  ESTU_MCPIO_RESIDE              519541 non-null  object 
 12  ESTU_COD_RESIDE_MCPIO          519541 non-null  float64
 13  FAMI_ESTRATOVIVIENDA           501797 non-null  object 
 14  FAMI_PERSONASHOGAR             503727 non-null  object 
 15  FAMI_CUARTOSHOGAR              503029 non-null  object 
 16  FAMI_EDUCACIONPADRE            505768 non-null  object 
 17  FAMI_EDUCACIONMADRE            505277 non-null  object 
 18  FAMI_TRABAJOLABORPADRE         499160 non-null  object 
 19  FAMI_TRABAJOLABORMADRE         501248 non-null  object 
 20  FAMI_TIENEINTERNET             505113 non-null  object 
 21  FAMI_TIENESERVICIOTV           503324 non-null  object 
 22  FAMI_TIENECOMPUTADOR           498691 non-null  object 
 23  FAMI_TIENELAVADORA             502648 non-null  object 
 24  FAMI_TIENEHORNOMICROOGAS       501728 non-null  object 
 25  FAMI_TIENEAUTOMOVIL            501043 non-null  object 
 26  FAMI_TIENEMOTOCICLETA          501770 non-null  object 
 27  FAMI_TIENECONSOLAVIDEOJUEGOS   501378 non-null  object 
 28  FAMI_NUMLIBROS                 504701 non-null  object 
 29  FAMI_COMELECHEDERIVADOS        505042 non-null  object 
 30  FAMI_COMECARNEPESCADOHUEVO     503466 non-null  object 
 31  FAMI_COMECEREALFRUTOSLEGUMBRE  498496 non-null  object 
 32  FAMI_SITUACIONECONOMICA        502543 non-null  object 
 33  ESTU_DEDICACIONLECTURADIARIA   504294 non-null  object 
 34  ESTU_DEDICACIONINTERNET        504128 non-null  object 
 35  ESTU_HORASSEMANATRABAJA        501903 non-null  object 
 36  ESTU_TIPOREMUNERACION          501203 non-null  object 
 37  COLE_CODIGO_ICFES              520307 non-null  int64  
 38  COLE_COD_DANE_ESTABLECIMIENTO  520307 non-null  float64
 39  COLE_NOMBRE_ESTABLECIMIENTO    520307 non-null  object 
 40  COLE_GENERO                    520307 non-null  object 
 41  COLE_NATURALEZA                520307 non-null  object 
 42  COLE_CALENDARIO                520307 non-null  object 
 43  COLE_BILINGUE                  434683 non-null  object 
 44  COLE_CARACTER                  505202 non-null  object 
 45  COLE_COD_DANE_SEDE             520307 non-null  float64
 46  COLE_NOMBRE_SEDE               520307 non-null  object 
 47  COLE_SEDE_PRINCIPAL            520307 non-null  object 
 48  COLE_AREA_UBICACION            520307 non-null  object 
 49  COLE_JORNADA                   520307 non-null  object 
 50  COLE_COD_MCPIO_UBICACION       520307 non-null  int64  
 51  COLE_MCPIO_UBICACION           520307 non-null  object 
 52  COLE_COD_DEPTO_UBICACION       520307 non-null  int64  
 53  COLE_DEPTO_UBICACION           520307 non-null  object 
 54  ESTU_PRIVADO_LIBERTAD          520307 non-null  object 
 55  ESTU_COD_MCPIO_PRESENTACION    520099 non-null  float64
 56  ESTU_MCPIO_PRESENTACION        520099 non-null  object 
 57  ESTU_DEPTO_PRESENTACION        520099 non-null  object 
 58  ESTU_COD_DEPTO_PRESENTACION    520099 non-null  float64
 59  PUNT_LECTURA_CRITICA           520307 non-null  int64  
 60  PERCENTIL_LECTURA_CRITICA      520307 non-null  int64  
 61  DESEMP_LECTURA_CRITICA         520307 non-null  int64  
 62  PUNT_MATEMATICAS               520307 non-null  int64  
 63  PERCENTIL_MATEMATICAS          520307 non-null  int64  
 64  DESEMP_MATEMATICAS             520307 non-null  int64  
 65  PUNT_C_NATURALES               520307 non-null  int64  
 66  PERCENTIL_C_NATURALES          520307 non-null  int64  
 67  DESEMP_C_NATURALES             520307 non-null  int64  
 68  PUNT_SOCIALES_CIUDADANAS       520307 non-null  int64  
 69  PERCENTIL_SOCIALES_CIUDADANAS  520307 non-null  int64  
 70  DESEMP_SOCIALES_CIUDADANAS     520307 non-null  int64  
 71  PUNT_INGLES                    519937 non-null  float64
 72  PERCENTIL_INGLES               520307 non-null  int64  
 73  DESEMP_INGLES                  520307 non-null  object 
 74  PUNT_GLOBAL                    520307 non-null  int64  
 75  PERCENTIL_GLOBAL               520271 non-null  float64
 76  ESTU_INSE_INDIVIDUAL           505671 non-null  float64
 77  ESTU_NSE_INDIVIDUAL            505671 non-null  float64
 78  ESTU_NSE_ESTABLECIMIENTO       520253 non-null  float64
 79  ESTU_ESTADOINVESTIGACION       520307 non-null  object 
 80  ESTU_GENERACION-E              520307 non-null  object 
dtypes: float64(11), int64(18), object(52)
memory usage: 321.5+ MB

# Como se distribuyen las variables numéricas saber_11.describe()

# Como se comportan las variables categoricas saber_11.describe(include=["O"])

# Procedemos a seleccionar nuestras columnas de interes saber_11 = saber_11[["ESTU_GENERO", "FAMI_ESTRATOVIVIENDA", "FAMI_EDUCACIONPADRE", "FAMI_EDUCACIONMADRE", "FAMI_TIENECOMPUTADOR", "FAMI_TIENEINTERNET", "ESTU_HORASSEMANATRABAJA", "COLE_NATURALEZA", "COLE_AREA_UBICACION", "PUNT_GLOBAL"]]

# Observamos las primeras 5 filas saber_11.head()

# Creación de las categorias del ICFES para la variable puntaje global bins = [-1,175, 250, 350,500] category = ["Insuficiente", "Mínimo", "Satisfactorio", "Avanzado"] saber_11["PUNT_GLOBAL"] = pd.cut(saber_11["PUNT_GLOBAL"], bins, labels=category)

# Resultados y género sns.histplot(data = saber_11, x = "PUNT_GLOBAL", hue = "ESTU_GENERO", palette="rocket", multiple = "dodge") plt.title("Gráfica 1. Puntaje global y género") plt.ylabel("Estudiantes") plt.xlabel("Resultados") plt.show()

# Resultados y estrato socioeconómico plt.figure(figsize=(9,9)) sns.histplot(data = saber_11, x = "PUNT_GLOBAL", hue = "FAMI_ESTRATOVIVIENDA", palette="mako", multiple = "dodge") plt.title("Gráfica 2. Puntaje global y estrato socioeconómico") plt.ylabel("Estudiantes") plt.xlabel("Resultados") plt.show()

# Resultados y naturaleza del colegio sns.histplot(data = saber_11, x = "PUNT_GLOBAL", hue = "COLE_NATURALEZA", palette="magma", multiple = "dodge") plt.title("Gráfico 3. Puntaje gobal y naturaleza del colegio") plt.ylabel("Estudiantes") plt.xlabel("Resultados") plt.show()

# Resultados y área de ubicación plt.figure(figsize=(7,7)) sns.histplot(data = saber_11, x = "PUNT_GLOBAL", hue = "COLE_AREA_UBICACION", palette="viridis", multiple = "dodge") plt.title("Gráfico 4. Puntaje global y área de ubicación") plt.ylabel("Estudiantes") plt.xlabel("Resultados") plt.show()

# Resultados y naturaleza del colegio plt.figure(figsize=(7,7)) sns.histplot(data = saber_11, x = "PUNT_GLOBAL", hue = "ESTU_HORASSEMANATRABAJA", palette="rocket_r", multiple = "dodge") plt.title("Gráfica 5. Puntaje gobal y horas de trabajo") plt.ylabel("Estudiantes") plt.xlabel("Resultados") plt.show()

# Resultados y acceso a computador sns.histplot(data = saber_11, x = "PUNT_GLOBAL", hue = "FAMI_TIENECOMPUTADOR", palette="YlOrBr", multiple = "dodge") plt.title("Gráfico 5. Puntaje global y acceso a computador") plt.ylabel("Estudiantes") plt.xlabel("Resultados") plt.show()

# Resultados y acceso a internet sns.histplot(data = saber_11, x = "PUNT_GLOBAL", hue = "FAMI_TIENEINTERNET", palette="icefire", multiple = "dodge") plt.title("Gráfica 6. Puntaje global y acceso a internet") plt.ylabel("Estudiantes") plt.xlabel("Resultados") plt.show()

# Resultados y educación del padre plt.figure(figsize=(9,9)) sns.histplot(data = saber_11, x = "PUNT_GLOBAL", hue = "FAMI_EDUCACIONPADRE", palette="icefire", multiple = "dodge") plt.title("Gráfica 7. Puntaje global y educación del padre") plt.ylabel("Estudiantes") plt.xlabel("Resultados") plt.show()

# Resultados y educación de la madre plt.figure(figsize=(9,9)) sns.histplot(data = saber_11, x = "PUNT_GLOBAL", hue = "FAMI_EDUCACIONMADRE", palette="Spectral", multiple = "dodge") plt.title("Gráfica 8. Puntaje global y educación de la madre") plt.ylabel("Estudiantes") plt.xlabel("Resultados") plt.show()

# Creación de variables dummys saber_11["ESTU_GENERO"] = saber_11.ESTU_GENERO.map({"F":0, "M":1}) saber_11["FAMI_ESTRATOVIVIENDA"] = saber_11.FAMI_ESTRATOVIVIENDA.map({"Sin Estrato":0, "Estrato 1":1, "Estrato 2":2, "Estrato 3":3, "Estrato 4":4, "Estrato 5":5, "Estrato 6":6}) saber_11["FAMI_EDUCACIONPADRE"] = saber_11.FAMI_EDUCACIONPADRE.map({"Ninguna":0, "No Aplica":1, "No sabe":2, "Primaria incompleta":3, "Primaria completa":4, "Secundaria (Bachillerato) incompleta":5, "Secundaria (Bachillerato) completa":6, "T�cnica o tecnol�gica incompleta":7, "T�cnica o tecnol�gica completa":8, "Educaci�n profesional completa":9, "Educaci�n profesional completa":10, "Postgrado":11}) saber_11["FAMI_EDUCACIONMADRE"] = saber_11.FAMI_EDUCACIONMADRE.map({"Ninguna":0, "No Aplica":1, "No sabe":2, "Primaria incompleta":3, "Primaria completa":4, "Secundaria (Bachillerato) incompleta":5, "Secundaria (Bachillerato) completa":6, "T�cnica o tecnol�gica incompleta":7, "T�cnica o tecnol�gica completa":8, "Educaci�n profesional completa":9, "Educaci�n profesional completa":10, "Postgrado":11}) saber_11["FAMI_TIENEINTERNET"] = saber_11.FAMI_TIENEINTERNET.map({"No":0, "Si":1}) saber_11["FAMI_TIENECOMPUTADOR"] = saber_11.FAMI_TIENECOMPUTADOR.map({"No":0, "Si":1}) saber_11["ESTU_HORASSEMANATRABAJA"] = saber_11.ESTU_HORASSEMANATRABAJA.map({"0":0, "Menos de 10 horas":1, "Entre 11 y 20 horas":2, "Entre 21 y 30 horas":3, "M�s de 30 horas":4}) saber_11["COLE_NATURALEZA"] = saber_11.COLE_NATURALEZA.map({"OFICIAL":0, "NO OFICIAL":1}) saber_11["COLE_AREA_UBICACION"] = saber_11.COLE_AREA_UBICACION.map({"RURAL":0, "URBANO":1}) saber_11["PUNT_GLOBAL"] = saber_11.PUNT_GLOBAL.map({"Insuficiente":0, "Mínimo":1, "Satisfactorio":2, "Avanzado":3})

# Observamos los datos nulos saber_11[["ESTU_GENERO", "FAMI_ESTRATOVIVIENDA", "FAMI_EDUCACIONPADRE", "FAMI_EDUCACIONMADRE", "FAMI_TIENEINTERNET", "FAMI_TIENECOMPUTADOR", "COLE_NATURALEZA", "ESTU_HORASSEMANATRABAJA", "COLE_AREA_UBICACION", "PUNT_GLOBAL"]].info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 520307 entries, 0 to 520306
Data columns (total 10 columns):
 #   Column                   Non-Null Count   Dtype   
---  ------                   --------------   -----   
 0   ESTU_GENERO              520298 non-null  float64 
 1   FAMI_ESTRATOVIVIENDA     501797 non-null  float64 
 2   FAMI_EDUCACIONPADRE      473956 non-null  float64 
 3   FAMI_EDUCACIONMADRE      479494 non-null  float64 
 4   FAMI_TIENEINTERNET       505113 non-null  float64 
 5   FAMI_TIENECOMPUTADOR     498691 non-null  float64 
 6   COLE_NATURALEZA          520307 non-null  int64   
 7   ESTU_HORASSEMANATRABAJA  501903 non-null  float64 
 8   COLE_AREA_UBICACION      520307 non-null  int64   
 9   PUNT_GLOBAL              520307 non-null  category
dtypes: category(1), float64(7), int64(2)
memory usage: 36.2 MB

# Calculamos la mediana saber_11[["ESTU_GENERO", "FAMI_ESTRATOVIVIENDA", "FAMI_EDUCACIONPADRE", "FAMI_EDUCACIONMADRE", "FAMI_TIENEINTERNET", "FAMI_TIENECOMPUTADOR", "COLE_NATURALEZA", "ESTU_HORASSEMANATRABAJA", "COLE_AREA_UBICACION", "PUNT_GLOBAL"]].median()

# Imputación de los datos saber_11["ESTU_GENERO"] = saber_11["ESTU_GENERO"].fillna(0.0) saber_11["FAMI_ESTRATOVIVIENDA"] = saber_11["FAMI_ESTRATOVIVIENDA"].fillna(2.0) saber_11["FAMI_EDUCACIONPADRE"] = saber_11["FAMI_EDUCACIONPADRE"].fillna(5.0) saber_11["FAMI_EDUCACIONMADRE"] = saber_11["FAMI_EDUCACIONMADRE"].fillna(6.0) saber_11["FAMI_TIENEINTERNET"] = saber_11["FAMI_TIENEINTERNET"].fillna(1.0) saber_11["FAMI_TIENECOMPUTADOR"] = saber_11["FAMI_TIENECOMPUTADOR"].fillna(1.0) saber_11["ESTU_HORASSEMANATRABAJA"] = saber_11["ESTU_HORASSEMANATRABAJA"].fillna(0.0)

# Revisamos los datos nuevamente saber_11.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 520307 entries, 0 to 520306
Data columns (total 10 columns):
 #   Column                   Non-Null Count   Dtype   
---  ------                   --------------   -----   
 0   ESTU_GENERO              520307 non-null  float64 
 1   FAMI_ESTRATOVIVIENDA     520307 non-null  float64 
 2   FAMI_EDUCACIONPADRE      520307 non-null  float64 
 3   FAMI_EDUCACIONMADRE      520307 non-null  float64 
 4   FAMI_TIENECOMPUTADOR     520307 non-null  float64 
 5   FAMI_TIENEINTERNET       520307 non-null  float64 
 6   ESTU_HORASSEMANATRABAJA  520307 non-null  float64 
 7   COLE_NATURALEZA          520307 non-null  int64   
 8   COLE_AREA_UBICACION      520307 non-null  int64   
 9   PUNT_GLOBAL              520307 non-null  category
dtypes: category(1), float64(7), int64(2)
memory usage: 36.2 MB

# Instalamos statsmodels !pip install statsmodels

Collecting statsmodels
  Downloading statsmodels-0.13.1-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (9.9 MB)
     |████████████████████████████████| 9.9 MB 33.1 MB/s 
Requirement already satisfied: numpy>=1.17 in /shared-libs/python3.9/py/lib/python3.9/site-packages (from statsmodels) (1.21.4)
Requirement already satisfied: pandas>=0.25 in /shared-libs/python3.9/py/lib/python3.9/site-packages (from statsmodels) (1.2.5)
Collecting patsy>=0.5.2
  Downloading patsy-0.5.2-py2.py3-none-any.whl (233 kB)
     |████████████████████████████████| 233 kB 36.4 MB/s 
Requirement already satisfied: scipy>=1.3 in /shared-libs/python3.9/py/lib/python3.9/site-packages (from statsmodels) (1.7.3)
Requirement already satisfied: python-dateutil>=2.7.3 in /shared-libs/python3.9/py-core/lib/python3.9/site-packages (from pandas>=0.25->statsmodels) (2.8.2)
Requirement already satisfied: pytz>=2017.3 in /shared-libs/python3.9/py/lib/python3.9/site-packages (from pandas>=0.25->statsmodels) (2021.3)
Requirement already satisfied: six in /shared-libs/python3.9/py-core/lib/python3.9/site-packages (from patsy>=0.5.2->statsmodels) (1.16.0)
Installing collected packages: patsy, statsmodels
Successfully installed patsy-0.5.2 statsmodels-0.13.1
WARNING: You are using pip version 21.2.3; however, version 21.3.1 is available.
You should consider upgrading via the '/root/venv/bin/python -m pip install --upgrade pip' command.

# Importamos el modelo a utilizar from statsmodels.miscmodels.ordinal_model import OrderedModel

# Modelo logit ordenado mod_log = OrderedModel(saber_11["PUNT_GLOBAL"], saber_11[["ESTU_GENERO", "FAMI_ESTRATOVIVIENDA", "FAMI_EDUCACIONPADRE", "FAMI_EDUCACIONMADRE", "FAMI_TIENECOMPUTADOR", "FAMI_TIENEINTERNET", "ESTU_HORASSEMANATRABAJA", "COLE_NATURALEZA", "COLE_AREA_UBICACION"]], distr="logit") res_log = mod_log.fit(method='bfgs', disp = False) print(res_log.summary())

                             OrderedModel Results                             
==============================================================================
Dep. Variable:            PUNT_GLOBAL   Log-Likelihood:            -4.5141e+05
Model:                   OrderedModel   AIC:                         9.029e+05
Method:            Maximum Likelihood   BIC:                         9.030e+05
Date:                Fri, 17 Dec 2021                                         
Time:                        13:28:41                                         
No. Observations:              520307                                         
Df Residuals:                  520295                                         
Df Model:                          12                                         
===========================================================================================
                              coef    std err          z      P>|z|      [0.025      0.975]
-------------------------------------------------------------------------------------------
ESTU_GENERO                 0.2592      0.006     44.824      0.000       0.248       0.271
FAMI_ESTRATOVIVIENDA        0.1395      0.003     44.595      0.000       0.133       0.146
FAMI_EDUCACIONPADRE         0.0639      0.001     44.753      0.000       0.061       0.067
FAMI_EDUCACIONMADRE         0.1373      0.002     88.456      0.000       0.134       0.140
FAMI_TIENECOMPUTADOR        0.3873      0.007     54.214      0.000       0.373       0.401
FAMI_TIENEINTERNET          0.4100      0.008     52.594      0.000       0.395       0.425
ESTU_HORASSEMANATRABAJA    -0.1780      0.003    -68.310      0.000      -0.183      -0.173
COLE_NATURALEZA             0.3796      0.007     51.619      0.000       0.365       0.394
COLE_AREA_UBICACION         0.3586      0.008     43.634      0.000       0.342       0.375
0/1                        -0.9262      0.012    -75.946      0.000      -0.950      -0.902
1/2                         1.2346      0.002    605.470      0.000       1.231       1.239
2/3                         1.3455      0.002    565.847      0.000       1.341       1.350
===========================================================================================

# Modelo probit ordinal mod_prob = OrderedModel(saber_11["PUNT_GLOBAL"], saber_11[["ESTU_GENERO", "FAMI_ESTRATOVIVIENDA", "FAMI_EDUCACIONPADRE", "FAMI_EDUCACIONMADRE", "FAMI_TIENECOMPUTADOR", "FAMI_TIENEINTERNET", "ESTU_HORASSEMANATRABAJA", "COLE_NATURALEZA", "COLE_AREA_UBICACION"]], distr="probit") res_prob = mod_prob.fit(method='bfgs') print(res_prob.summary())

Optimization terminated successfully.
         Current function value: 0.867662
         Iterations: 28
         Function evaluations: 30
         Gradient evaluations: 30
                             OrderedModel Results                             
==============================================================================
Dep. Variable:            PUNT_GLOBAL   Log-Likelihood:            -4.5145e+05
Model:                   OrderedModel   AIC:                         9.029e+05
Method:            Maximum Likelihood   BIC:                         9.031e+05
Date:                Fri, 17 Dec 2021                                         
Time:                        13:32:25                                         
No. Observations:              520307                                         
Df Residuals:                  520295                                         
Df Model:                          12                                         
===========================================================================================
                              coef    std err          z      P>|z|      [0.025      0.975]
-------------------------------------------------------------------------------------------
ESTU_GENERO                 0.1422      0.003     43.296      0.000       0.136       0.149
FAMI_ESTRATOVIVIENDA        0.0753      0.002     43.496      0.000       0.072       0.079
FAMI_EDUCACIONPADRE         0.0369      0.001     45.514      0.000       0.035       0.038
FAMI_EDUCACIONMADRE         0.0785      0.001     89.139      0.000       0.077       0.080
FAMI_TIENECOMPUTADOR        0.2185      0.004     53.304      0.000       0.210       0.226
FAMI_TIENEINTERNET          0.2309      0.004     52.185      0.000       0.222       0.240
ESTU_HORASSEMANATRABAJA    -0.1019      0.001    -69.185      0.000      -0.105      -0.099
COLE_NATURALEZA             0.2260      0.004     54.037      0.000       0.218       0.234
COLE_AREA_UBICACION         0.2015      0.005     44.018      0.000       0.192       0.210
0/1                        -0.4905      0.007    -73.970      0.000      -0.504      -0.478
1/2                         0.6509      0.002    365.013      0.000       0.647       0.654
2/3                         0.7495      0.002    362.766      0.000       0.745       0.754
===========================================================================================

# Predicción predicted = res_log.model.predict(res_log.params, exog=saber_11[["ESTU_GENERO", "FAMI_ESTRATOVIVIENDA", "FAMI_EDUCACIONPADRE", "FAMI_EDUCACIONMADRE", "FAMI_TIENECOMPUTADOR", "FAMI_TIENEINTERNET", "ESTU_HORASSEMANATRABAJA", "COLE_NATURALEZA", "COLE_AREA_UBICACION"]]) print(predicted)

/root/venv/lib/python3.9/site-packages/statsmodels/miscmodels/ordinal_model.py:419: FutureWarning: Support for multi-dimensional indexing (e.g. `obj[:, None]`) is deprecated and will be removed in a future version.  Convert to a numpy array before indexing instead.
  xb = xb[:, None]
[[0.00970622 0.22387488 0.70054146 0.06587745]
 [0.00995421 0.22821924 0.69749983 0.06432671]
 [0.03535382 0.4972699  0.44886503 0.01851126]
 ...
 [0.00880433 0.20761892 0.71137688 0.07219988]
 [0.05098989 0.57457659 0.36173205 0.01270147]
 [0.00562743 0.14401312 0.74151391 0.10884553]]

# Predicciones correcta del modelo pred_choice = predicted.argmax(1) print('Fracción de predicciones de elección correcta') print((np.asarray(saber_11['PUNT_GLOBAL'].values.codes) == pred_choice).mean())

Fracción de predicciones de elección correcta
0.6005992615897922