Abarrotes

#Análisis de las ventas de abarrotes

#Una empresa con 5 tiendas en el país solicita un análisis de sus ventas # de abarrotes entre mayo y noviembre de 2020

#Paso 0. Instalar paquetes y llamar librerías

#install.packages("dplyr")
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

#install.packages("tidyverse")
library(tidyverse)

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ forcats   1.0.0     ✔ readr     2.1.4
## ✔ ggplot2   3.4.1     ✔ stringr   1.5.0
## ✔ lubridate 1.9.2     ✔ tibble    3.2.0
## ✔ purrr     1.0.1     ✔ tidyr     1.3.0

## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the ]8;;http://conflicted.r-lib.org/conflicted package]8;; to force all conflicts to become errors

#install.packages("janitor")
library(janitor)

## 
## Attaching package: 'janitor'
## 
## The following objects are masked from 'package:stats':
## 
##     chisq.test, fisher.test

#install.packages("lubridate")
library(lubridate)

#Paso 1. Importar base de datos

#file.choose()
#bd<- read.csv("C:\\Users\\User-1\\Downloads\\TEC 4TO\\Nueva carpeta\\abarrotes.csv")

#Paso 2. Entender la base de datos

#summary(bd)

#count(bd,vcClaveTienda, sort=TRUE)
#count(bd,DescGiro, sort=TRUE)
#count(bd,Marca, sort=TRUE)
#count(bd,Fabricante, sort=TRUE)
#count(bd,Producto, sort=TRUE)
#count(bd,NombreDepartamento, sort=TRUE)
#count(bd,NombreFamilia, sort=TRUE)
#count(bd,NombreCategoria, sort=TRUE)
#count(bd,Estado, sort=TRUE)
#count(bd,Tipo.ubicación, sort=TRUE)
#count(bd,Giro, sort=TRUE)

#tibble(bd)

#head(bd)

#tail(bd, n=7)
#?tail

#tabyl(bd, vcClaveTienda, NombreDepartamento)
#tabyl(bd, NombreFamilia, vcClaveTienda)

#Hallazgos # 1.Fecha sy las horas están en formato de caracter # 2.Precios negativos # 3.Falta de columna de ventas

#Paso 3. Limpiar la base de datos

#Existen 6 técnicas apra limpiar la base de datos

#Técnica 1. Remover valores irrelevantes

  #Eliminar columnas
  #bd1<-bd
  #bd1<- subset(bd1, select =-c(PLU, Codigo.Barras))
  
  #Eliminar renglones
  #bd2<- bd1
  #bd2<- bd2[bd2$Precio>0,]
  #summary(bd2)

#Técnica 2. Remover valores duplicados

  #¿Cuántos renglones duplicados tenemos?
  #bd2[duplicated(bd2),]
  #sum(duplicated(bd2))
  
  #Eliminar renglones duplicados
  #bd3<- bd2
  #bd3<- distinct(bd3)
  #summary(bd3)

#Técnica 3. Resolver errores tipográficos y similares

  #Precios en absoluto
  #bd4<-bd1
  #bd4$Precio <- abs(bd4$Precio)
  #summary(bd4)
  
  #Unidades en enteros
  #bd5 <- bd4
  #bd5$Unidades <- ceiling (bd5$Unidades)
  #summary(bd5)

#Técnica 4, Convertir los tipos de datos

  #Convertir de caracter fecha
  #bd6 <- bd3
  #bd6$Fecha <- as.Date (bd6$Fecha, format= "%d/%m/%Y")

  #Convertir de caracter a entero
  #bd7<- bd6
  #bd7$Hora <- substr(bd7$Hora, start=1, stop=2)
  #tibble(bd7)
  #bd7$Hora <- as.integer(bd7$Hora)  
  #str(bd7)

#Técnica 5. Tratarvalores faltantes (NA)

  #¿Cuantos Na tengo en la base de datos?
  #sum(is.na(bd7))
  #sum(is.na(bd))
  
  #¿Cuantos NA tengo por variable?
  #sapply(bd,function(x) sum (is.na(x)))
  
  #Borrar todos los registros NA de una tabla
  #bd8<- bd
  #bd8<- na.omit(bd8)
  #summary(bd8)
  
  #Reemplazar los NA con CEROS
  #bd9<- bd
  #bd9[is.na(bd9)]<-0
  #summary(bd9)
  
  #Reemplazar los NA con el promedio
  #bd10<- bd
  #bd10$PLU[is.na(bd10$PLU)] <- mean(bd10$PLU, na.rm=TRUE)
  #summary(bd10)

#Técnica 6. Verificar datos con métodos estadísticos

  #Datos atípicos
  #bd11<- bd7
  #boxplot(bd11$Precio, horizontal=TRUE)
  #boxplot(bd11$Unidades, horizontal=TRUE)

#Paso 4. Manipulacion de base de datos

#Agregar columnas

#bd11$diadelasemana <- wday(bd11$Fecha)  
#summary (bd11)

#bd11$subtotal <- bd11$Precio*bd11$Unidades
#summary(bd11)

#Paso 5. Exportar base de datos limpia

#bd_limpia <- bd11
#write.csv(bd_limpia, file="Abarrotes_bdlimpia.csv", row.names= FALSE)