
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")
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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