Actividad Individual 3

Importar la base de datos

# file.choose()
bd <- read.csv("C:\\Users\\L03530621\\Desktop\\arca.csv")

Limpiar la base de datos

bd$Cliente <- as.integer(bd$Cliente)

## Warning: NAs introduced by coercion

bd$Enero <- as.integer(bd$Enero)

## Warning: NAs introduced by coercion

bd$Febrero <- as.integer(bd$Febrero)

## Warning: NAs introduced by coercion

bd$Marzo <- as.integer(bd$Marzo)

## Warning: NAs introduced by coercion

bd$Abril <- as.integer(bd$Abril)

## Warning: NAs introduced by coercion

bd$Mayo <- as.integer(bd$Mayo)

## Warning: NAs introduced by coercion

bd$Junio <- as.integer(bd$Junio)

## Warning: NAs introduced by coercion

bd$Julio <- as.integer(bd$Julio)

## Warning: NAs introduced by coercion

bd$Agosto <- as.integer(bd$Agosto)

## Warning: NAs introduced by coercion

bd$Septiembre <- as.integer(bd$Septiembre)

## Warning: NAs introduced by coercion

bd$Octubre <- as.integer(bd$Octubre)

## Warning: NAs introduced by coercion

bd$Noviembre <- as.integer(bd$Noviembre)

## Warning: NAs introduced by coercion

bd$Diciembre <- as.integer(bd$Diciembre)

## Warning: NAs introduced by coercion

Realizar las gráficas

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.1.3

ggplot(data = bd) +
  geom_point(mapping = aes(x = ï..ID, y = Enero))

## Warning: Removed 233552 rows containing missing values (`geom_point()`).

Conclusiones

La gráfica muestra ventas elevadas y ventas bajas a lo largo de los ID. Encontramos que tenemos tiendas Extra Grandes que son las que reportan mayores ventas. Recomendamos analizar la base de dato por Tamaño de Cliente para mejores hallazgos.