Herramienta de escritorio desarrollada en Python para la gestión centralizada y visualización geográfica de la movilidad académica en la Escuela Superior de Ingeniería Informática en el campus de Albacete (ESIIAB).
Instalador Windows autocontenido · sin conexión a internet · código abierto
Interfaz web reactiva con mínimo código frontend, ideal para aplicaciones de datos.
API REST ligera que desacopla la lógica de negocio de la capa de presentación.
Filtrado, agregación y transformación de datos en memoria sobre DataFrames.
Mapas interactivos HTML autocontenidos sin dependencia de servicios externos.
Lectura y escritura directa de los ficheros Excel institucionales ya existentes.
Distribución como instalador Windows sin requerir Python en el equipo de destino.
La gestión de la movilidad académica -programas Erasmus, convenios bilaterales e intercambios nacionales- implica el manejo de grandes volúmenes de datos heterogéneos: universidades de destino, asignaturas reconocidas, estudiantes participantes, cursos académicos y países involucrados.
En la ESII este proceso se realizaba de forma manual, dispersa y dependiente de hojas de cálculo Excel. Esto generaba inconsistencias, dificultaba la consulta histórica e impedía obtener una visión global y actualizada de la movilidad.
Los coordinadores carecían de una herramienta que les permitiese explorar la información de forma interactiva, filtrar por parámetros relevantes o generar informes fácilmente, lo que ralentizaba la toma de decisiones y aumentaba la carga administrativa.
Información distribuida en múltiples ficheros Excel sin estructura unificada.
Imposible visualizar a qué países y ciudades se dirigen los estudiantes.
Filtrar por titulación, curso o destino requería búsquedas manuales tediosas.
Obtener métricas agregadas exigía realizar cálculos manuales puntuales fuera del sistema.
Movilidad ESII centraliza toda la información en una aplicación de escritorio multiplataforma que combina una interfaz web local (Streamlit) con una API REST ligera (Flask), ofreciendo exploración interactiva, visualización cartográfica y exportación directa a Excel.
A continuación se muestran las principales pantallas de la aplicación.
El sistema se organiza en capas desacopladas que separan la presentación, la lógica de negocio, el acceso a datos y la seguridad.
Búsqueda en tiempo real de estudiantes, universidades y asignaturas. Filtros combinables por titulación, curso académico, país y tipo de movilidad. Resultados paginados y ordenables.
Mapa interactivo basado en Folium con marcadores geolocalizados por destino. Visualización por intensidad de flujos, agrupación de puntos cercanos y popups con detalle de cada movilidad.
Módulo de análisis con gráficos nativos de Streamlit sobre DataFrames de pandas. Distribución por países, progresión por curso académico, comparativa entre titulaciones y desglose por tipo de programa de movilidad.
Generación de informes Excel con openpyxl a partir de los resultados filtrados. Plantillas predefinidas, estilos aplicados automáticamente y actualización incremental de ficheros existentes.
Python ofrece un ecosistema maduro para el procesamiento de datos (pandas, openpyxl), la creación de interfaces web ligeras (Streamlit, Flask) y el empaquetado de aplicaciones de escritorio (PyInstaller). Su legibilidad facilita el mantenimiento por parte del personal técnico de la ESII sin experiencia previa en el proyecto.
Frente a alternativas como Java (Swing) o Electron, Python reduce significativamente el tiempo de desarrollo al evitar capas de abstracción innecesarias para un sistema de uso interno.
Los datos de movilidad tienen una dimensión espacial inherente: cada intercambio implica un origen y un destino geolocalizable. Representar esto en un mapa convierte datos abstractos en conocimiento visual inmediato, facilitando la identificación de patrones de concentración en determinados países o ciudades.
Folium, basado en Leaflet.js, permite generar mapas HTML autocontenidos que pueden abrirse sin conexión a internet, lo cual es crítico en entornos de uso institucional.
Streamlit proporciona una interfaz reactiva con mínimo código frontend, ideal para aplicaciones de datos orientadas a usuarios no técnicos. Flask actúa como backend ligero que expone una API REST, desacoplando la lógica de negocio de la capa de presentación y facilitando futuras integraciones.
Los datos de movilidad ya existían en formato Excel en la ESII. Mantener Excel como registro oficial de datos elimina la fricción de migración: los coordinadores pueden seguir actualizando los ficheros con las herramientas que conocen, y la aplicación los lee directamente con xlrd y openpyxl.
pandas actúa como capa de procesamiento en memoria: permite filtrar, agregar y transformar los datos con un rendimiento más que suficiente para los volúmenes manejados, sin necesidad de una base de datos adicional.
Los ficheros Excel de partida presentaban inconsistencias en nombres de universidades, códigos de asignaturas y formatos de fecha. El mayor reto fue diseñar un proceso de carga robusto capaz de normalizar y validar los datos de entrada sin perder información. Se implementó un pipeline de transformación con reglas configurable y registro detallado de errores.
Para no depender de servicios de geocodificación externos, las coordenadas de cada universidad de destino se mantienen en una hoja específica del propio fichero Excel institucional (Coordenadas), con las columnas país, universidad y coordenadas. Al cargar los datos, la aplicación cruza el nombre de la universidad de cada alumno con esa hoja y asigna la coordenada correspondiente sin necesidad de conexión a internet. Para el alta manual de nuevos registros se integra Nominatim (OpenStreetMap) como geocodificador opcional, con degradación elegante si no hay red disponible.
Distribuir una aplicación Python con Streamlit como ejecutable Windows requirió resolver múltiples problemas de PyInstaller: dependencias ocultas de Streamlit, recursos estáticos, scripts de lanzamiento de procesos secundarios y scripts de instalación con Inno Setup. Cada iteración del empaquetado reveló nuevas dependencias no declaradas.
Aunque la gestión de la movilidad se realizaba hasta ahora con hojas de cálculo Excel, este enfoque resultaba tedioso, propenso a errores y difícil de mantener a medida que el volumen de datos crecía. El reto consistió en diseñar una interfaz visual que centralizase toda la información en un único sistema, simplificase los flujos de trabajo más habituales y ofreciese una experiencia de consulta y edición de datos mucho más ágil y clara que la navegación manual por múltiples ficheros desconectados.
Descarga el instalador generado con Inno Setup mediante el workflow de GitHub Actions. No requiere Python instalado: incluye todas las dependencias empaquetadas. Hay dos variantes disponibles:
MovilidadESII_Installer_ConData.exe: incluye datos de ejemplo para explorar la aplicación desde el primer momento.MovilidadESII_Installer_SinData.exe: instalación limpia para uso en producción con los ficheros Excel reales de la institución.MovilidadESII_Installer_ConData.exe (con datos de demo) o MovilidadESII_Installer_SinData.exe (producción).
La release también incluye un archivo SHA256.txt con los hashes de verificación
de ambos instaladores. Puedes usarlo para comprobar que el archivo descargado no ha sido alterado.
Requiere Python 3.12 y pip. Sigue los pasos indicados en el README.
git clone https://github.com/mariapicazosanchez/TFG-MariaPicazoSanchez
cd TFG-MariaPicazoSanchezpip install -r install_root/requirements.txtpy launcher_system.py --dev| Componente | Mínimo | Recomendado |
|---|---|---|
| Sistema operativo | Windows 10 | Windows 10 / 11 |
| Python | 3.10 | 3.12 |
| RAM | 4 GB | 8 GB |
| Espacio en disco | 500 MB | 1 GB |
Los instaladores no están firmados digitalmente, por lo que Windows los mostrará como de publicador desconocido. Esto es habitual en proyectos académicos sin certificado de firma de código. La aplicación es completamente segura; el código fuente y el pipeline de construcción son públicamente auditables en este repositorio.
Es el comportamiento esperado en proyectos académicos y no indica ningún riesgo.
Nota: para eliminar el aviso de publicador desconocido sería necesario un certificado de firma de código comercial emitido por una CA reconocida (DigiCert, Sectigo…). Para una distribución académica de alcance limitado, el desbloqueo manual desde Propiedades es suficiente.