Instalar paquetes y llamar librerias

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

Actividad individual 2

Importar la base de datos

#file.choose()
library(readxl)
df <- read_xlsx("C:\\Users\\Andr Cast\\Downloads\\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

# ¿Cuántos 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
sum(is.na(df1))
## [1] 0
# Opción 3. Reemplazar NAs con PROMEDIO
# df1 <- df
# df1$Enero[is.na(df1$Enero)] <- mean(df1$Enero, na.rm=TRUE)

Detectar valores atípicos

boxplot(df1$Enero)

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

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))

Tarea colaborativa 2

Actividad individual 3

Tarea colaborativa 3

Actividad individual 4

Tarea colaborativa 4

Actividad individual 5

Evidencia

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