Resumen
El acceso automatizado a datos agroalimentarios mediante Interfaces de Programación de Aplicaciones (APIs) públicas representa una herramienta fundamental para fortalecer la investigación científica y la toma de decisiones en el sector agrícola. Este estudio tuvo como objetivo obtener información automatizada relevante sobre la producción de canola (Brassica napus) (2020–2026) y su perfil nutricional. Para ello, se diseñó una metodología de extracción y análisis de datos utilizando Python y las APIs proporcionadas por el Departamento de Agricultura de los Estados Unidos (USDA): NASS QuickStats y FoodData Central. La API de NASS QuickStats se empleó para recopilar datos estadísticos sobre la producción de canola, en tres etapas, configuración inicial, adquisición de datos y procesamiento. Por otro lado, la API de FoodData Central permitió obtener y organizar la composición nutricional del aceite de canola. En ambos casos, los resultados se organizaron en archivos .xlsx. La automatización del proceso se realizó mediante el uso de bibliotecas de Python como requests, pandas y openpyxl, optimizando la descarga, el procesamiento y la exportación de datos. Este proceso permitió la sistematización eficiente de grandes conjuntos de datos, redujo la incidencia de errores humanos y mejoró el acceso a información estratégica para el sector agroalimentario. En conclusión, la implementación de esta metodología demostró ser una solución eficaz, rápida y selectiva, con aplicaciones potenciales en la investigación básica y el análisis de exportaciones agroalimentarias.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.