Instalar paquetes y llamar a librerias

# install.packages("readxl") #Leer documentos de excel
library (readxl)
# install.packages("tidyverse") #Manipulación de datos
library(tidyverse)
# install.packages("ggplot2") #Generar gráficas presentables
library(ggplot2)

Actividad individual 2

Importar la base de datos

# file.choose()
df <- read_excel("/Users/antoniokuri/Documents/BOOTCAMP PROGRA/Datos Arca Continental Original.xlsx")
## Warning: Expecting numeric in N184066 / R184066C14: got a date
## Warning: Expecting numeric in O184066 / R184066C15: got a date
## Warning: Expecting numeric in P184066 / R184066C16: got a date
## Warning: Expecting numeric in Q184066 / R184066C17: got a date
## Warning: Expecting numeric in R184066 / R184066C18: got a date
## Warning: Expecting numeric in S184066 / R184066C19: got a date
## Warning: Expecting numeric in T184066 / R184066C20: got a date
## Warning: Expecting numeric in U184066 / R184066C21: got a date
## Warning: Expecting numeric in V184066 / R184066C22: got a date
## Warning: Expecting numeric in W184066 / R184066C23: got a date
## Warning: Expecting numeric in X184066 / R184066C24: got a date
## Warning: Expecting numeric in Y184066 / R184066C25: got a date

Revisar la estructura de los datos

str(df)
## tibble [466,509 × 25] (S3: tbl_df/tbl/data.frame)
##  $ ID                  : num [1:466509] 1 2 3 4 5 6 7 8 9 10 ...
##  $ Año                 : num [1:466509] 2016 2016 2016 2016 2016 ...
##  $ Territorio          : chr [1:466509] "Guadalajara" "Guadalajara" "Guadalajara" "Guadalajara" ...
##  $ Sub Territorio      : chr [1:466509] "Belenes" "Belenes" "Belenes" "Belenes" ...
##  $ CEDI                : chr [1:466509] "Suc. Belenes" "Suc. Belenes" "Suc. Belenes" "Suc. Belenes" ...
##  $ Cliente             : chr [1:466509] "77737" "77737" "77737" "77737" ...
##  $ Nombre              : chr [1:466509] "ABARR" "ABARR" "ABARR" "ABARR" ...
##  $ Tamaño Cte Industria: chr [1:466509] "Extra Grande" "Extra Grande" "Extra Grande" "Extra Grande" ...
##  $ Segmento Det        : chr [1:466509] "Agua Mineral" "Agua Purificada" "Agua Purificada" "Agua Saborizada" ...
##  $ Marca               : chr [1:466509] "Topo Chico A.M." "Ciel Agua Purificada" "Ciel Agua Purificada" "Ciel Exprim" ...
##  $ Presentacion        : chr [1:466509] "600 ml NR" "1 Ltro. N.R." "1.5 Lts. NR" "600 ml NR" ...
##  $ Tamaño              : chr [1:466509] "Individual" "Individual" "Individual" "Individual" ...
##  $ Retornable_NR       : chr [1:466509] "No Retornable" "No Retornable" "No Retornable" "No Retornable" ...
##  $ Enero               : num [1:466509] NA NA NA NA NA NA 1 NA 3 NA ...
##  $ Febrero             : num [1:466509] NA 2 NA NA NA NA NA 1 3 NA ...
##  $ Marzo               : num [1:466509] NA 8 3 NA NA 1 NA NA 4 NA ...
##  $ Abril               : num [1:466509] NA 4 6 NA NA NA NA 1 4 NA ...
##  $ Mayo                : num [1:466509] NA 4 3 NA NA NA 0 NA 4 NA ...
##  $ Junio               : num [1:466509] NA 2 3 NA NA NA NA 1 4 0 ...
##  $ Julio               : num [1:466509] NA 2 3 NA NA NA 0 NA 4 NA ...
##  $ Agosto              : num [1:466509] NA 2 3 NA NA NA NA 1 7 NA ...
##  $ Septiembre          : num [1:466509] NA 2 3 NA NA NA NA 1 4 NA ...
##  $ Octubre             : num [1:466509] NA 2 3 NA NA NA 0 NA 3 NA ...
##  $ Noviembre           : num [1:466509] NA 4 3 NA 0 NA NA NA 1 NA ...
##  $ Diciembre           : num [1:466509] 1 2 3 1 NA NA NA NA 3 NA ...

Revisar NAs en la base de datos

#¿Cúantos NAs tengo en la base de datos?
sum(is.na(df))
## [1] 3148501
# ¿Cuántos NAs tengo por variable?
sapply(df,function(x) sum(is.na(x)))
##                   ID                  Año           Territorio 
##                    0                    0                    0 
##       Sub Territorio                 CEDI              Cliente 
##                    0                    0                    0 
##               Nombre Tamaño Cte Industria         Segmento Det 
##                    0                    0                    0 
##                Marca         Presentacion               Tamaño 
##                    0                    0                    0 
##        Retornable_NR                Enero              Febrero 
##                    0               233480               231213 
##                Marzo                Abril                 Mayo 
##               227420               224057               216910 
##                Junio                Julio               Agosto 
##               215753               223411               220242 
##           Septiembre              Octubre            Noviembre 
##               337314               338386               338460 
##            Diciembre 
##               341855
# Opción 1. Eliminar NAs
# df1<- na.omit(df)

# Opción 2. Reemplazar NAs con CEROS
df1 <-df
df1[is.na(df1)] <- 0


# Opción 3. Reemplazar NAs con PROMEDIO
#df1 <-df
#df1$#Enero[is.na(df1$Enero)] <- mean(df1$Enero, na.rm=TRUE)

Detecar valores atípicos

boxplot(df1$Enero)

# Eliminar renglón de los totales
df1 <- df1[df1$Enero <6000, ]

Funciones del paquete dplyr

# Adecuar nombres con gsub
names(df1) <- gsub(" ","_", names (df1))

# Muestra las ventas de Enero a Junio por CEDI:
df2 <- select(df1,c(CEDI,Enero:Junio))

# Muestra los movimientos por Cedi y tamaño de tienda grande
df3 <- df1 %>% filter(Tamaño_Cte_Industria == "Grande")

# Ordena la base de datos por CEDI, por marca y por presentación
df4 <- df1 %>% arrange(CEDI,Marca,Presentacion)

# Agrega un campo calculado con las ventas del primer semestre y muestra las                   ventas del primer semestre por marca.
df5 <- df1 %>% 
  mutate(Ventas_Sem1 = Enero + Febrero + Marzo + Abril + Mayo + Junio)

ventas_sem1_por_marca <- df5 %>% 
  group_by(Marca) %>% 
  summarise(Ventas_Sem1= sum(Ventas_Sem1))

# Obtén la media de las ventas del primer semestre agrupado por marca,                             presentación y tamaño.
df6 <- df5 %>%
  group_by(Marca,Presentacion,Tamaño) %>%
  summarise(Ventas_Sem1= mean(Ventas_Sem1))
## `summarise()` has grouped output by 'Marca', 'Presentacion'. You can override
## using the `.groups` argument.
#Calcular medidas de tendencia central
summary(df1)
##        ID              Año        Territorio        Sub_Territorio    
##  Min.   :     1   Min.   :2016   Length:466508      Length:466508     
##  1st Qu.:116628   1st Qu.:2017   Class :character   Class :character  
##  Median :233256   Median :2018   Mode  :character   Mode  :character  
##  Mean   :233255   Mean   :2018                                        
##  3rd Qu.:349882   3rd Qu.:2019                                        
##  Max.   :466509   Max.   :2019                                        
##      CEDI             Cliente             Nombre          Tamaño_Cte_Industria
##  Length:466508      Length:466508      Length:466508      Length:466508       
##  Class :character   Class :character   Class :character   Class :character    
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character    
##                                                                               
##                                                                               
##                                                                               
##  Segmento_Det          Marca           Presentacion          Tamaño         
##  Length:466508      Length:466508      Length:466508      Length:466508     
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##  Retornable_NR          Enero             Febrero             Marzo         
##  Length:466508      Min.   : -19.000   Min.   : -11.000   Min.   : -32.000  
##  Class :character   1st Qu.:   0.000   1st Qu.:   0.000   1st Qu.:   0.000  
##  Mode  :character   Median :   0.000   Median :   0.000   Median :   0.000  
##                     Mean   :   4.951   Mean   :   4.829   Mean   :   5.729  
##                     3rd Qu.:   2.000   3rd Qu.:   2.000   3rd Qu.:   3.000  
##                     Max.   :5333.000   Max.   :4995.000   Max.   :5636.000  
##      Abril               Mayo             Junio              Julio         
##  Min.   : -70.000   Min.   :-106.00   Min.   :-211.000   Min.   : -60.000  
##  1st Qu.:   0.000   1st Qu.:   0.00   1st Qu.:   0.000   1st Qu.:   0.000  
##  Median :   0.000   Median :   0.00   Median :   0.000   Median :   0.000  
##  Mean   :   5.992   Mean   :   6.73   Mean   :   6.464   Mean   :   6.033  
##  3rd Qu.:   3.000   3rd Qu.:   3.00   3rd Qu.:   3.000   3rd Qu.:   3.000  
##  Max.   :6164.000   Max.   :6759.00   Max.   :6033.000   Max.   :6735.000  
##      Agosto           Septiembre          Octubre           Noviembre      
##  Min.   :-211.000   Min.   :-527.000   Min.   : -38.000   Min.   : -25.00  
##  1st Qu.:   0.000   1st Qu.:   0.000   1st Qu.:   0.000   1st Qu.:   0.00  
##  Median :   0.000   Median :   0.000   Median :   0.000   Median :   0.00  
##  Mean   :   6.235   Mean   :   3.625   Mean   :   3.674   Mean   :   3.57  
##  3rd Qu.:   3.000   3rd Qu.:   1.000   3rd Qu.:   1.000   3rd Qu.:   1.00  
##  Max.   :6065.000   Max.   :6509.000   Max.   :6326.000   Max.   :5319.00  
##    Diciembre       
##  Min.   : -28.000  
##  1st Qu.:   0.000  
##  Median :   0.000  
##  Mean   :   3.858  
##  3rd Qu.:   0.000  
##  Max.   :6182.000

Tarea colaborativa 2

Actividad individual 3

Tarea colaborativa 3

Actividad individual 4

Tarea colaborativa 4

Actividad individual 5

Evidencia

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