# Cargar el paquete
library(magick)
## Warning: package 'magick' was built under R version 4.3.3
## Linking to ImageMagick 6.9.12.98
## Enabled features: cairo, freetype, fftw, ghostscript, heic, lcms, pango, raw, rsvg, webp
## Disabled features: fontconfig, x11
# Leer un archivo GIF
mi_gif <- image_read("C:\\Users\\Catalina\\Downloads\\00000imagengif.gif")

# Mostrar el GIF
print(mi_gif)
##   format width height colorspace matte filesize density
## 1    GIF   297    297       sRGB FALSE        0   72x72
## 2    GIF   297    297       sRGB  TRUE        0   72x72
## 3    GIF   297    297       sRGB  TRUE        0   72x72

Instalar paquetes y llamar librerías

Actividad Individual 2

library(readxl) # Leer documentos desde excel
## Warning: package 'readxl' was built under R version 4.3.3
library(ggplot2) # generar gráficos presentables
library(readr)
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.3     ✔ stringr   1.5.0
## ✔ forcats   1.0.0     ✔ tibble    3.2.1
## ✔ lubridate 1.9.2     ✔ tidyr     1.3.0
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(dplyr) # Limpieza base de datos

<span style=“color: red;”Actividad Colavorativa 2

Importar base de datos

# Cargar librería vroom
library(vroom)
## 
## Attaching package: 'vroom'
## The following objects are masked from 'package:readr':
## 
##     as.col_spec, col_character, col_date, col_datetime, col_double,
##     col_factor, col_guess, col_integer, col_logical, col_number,
##     col_skip, col_time, cols, cols_condense, cols_only, date_names,
##     date_names_lang, date_names_langs, default_locale, fwf_cols,
##     fwf_empty, fwf_positions, fwf_widths, locale, output_column,
##     problems, spec
# Leer archivo en csv porque en excel no lo lee
df <- vroom("C:\\Users\\Catalina\\Documents\\Datos Arca Continental OriginalCSV.csv")
## Rows: 466509 Columns: 25
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (11): Territorio, Sub Territorio, CEDI, Cliente, Nombre, Tamaño Cte Indu...
## dbl (14): ID, Año, Enero, Febrero, Marzo, Abril, Mayo, Junio, Julio, Agosto,...
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
parsing_issues <- problems(df)
## Warning: One or more parsing issues, call `problems()` on your data frame for details,
## e.g.:
##   dat <- vroom(...)
##   problems(dat)
# Ver problemas
head(parsing_issues)
## # A tibble: 6 × 5
##     row   col expected actual file                                              
##   <int> <int> <chr>    <chr>  <chr>                                             
## 1  2186    25 a double 1,014  C:/Users/Catalina/Documents/Datos Arca Continenta…
## 2  4509    15 a double 1,124  C:/Users/Catalina/Documents/Datos Arca Continenta…
## 3  4509    17 a double 1,120  C:/Users/Catalina/Documents/Datos Arca Continenta…
## 4  4509    18 a double 1,564  C:/Users/Catalina/Documents/Datos Arca Continenta…
## 5  4509    19 a double 1,081  C:/Users/Catalina/Documents/Datos Arca Continenta…
## 6  4509    20 a double 1,043  C:/Users/Catalina/Documents/Datos Arca Continenta…

Revisar la estructura de los datos

str(df)
## spc_tbl_ [466,509 × 25] (S3: spec_tbl_df/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 ...
##  - attr(*, "spec")=
##   .. cols(
##   ..   ID = col_double(),
##   ..   Año = col_double(),
##   ..   Territorio = col_character(),
##   ..   `Sub Territorio` = col_character(),
##   ..   CEDI = col_character(),
##   ..   Cliente = col_character(),
##   ..   Nombre = col_character(),
##   ..   `Tamaño Cte Industria` = col_character(),
##   ..   `Segmento Det` = col_character(),
##   ..   Marca = col_character(),
##   ..   Presentacion = col_character(),
##   ..   Tamaño = col_character(),
##   ..   Retornable_NR = col_character(),
##   ..   Enero = col_double(),
##   ..   Febrero = col_double(),
##   ..   Marzo = col_double(),
##   ..   Abril = col_double(),
##   ..   Mayo = col_double(),
##   ..   Junio = col_double(),
##   ..   Julio = col_double(),
##   ..   Agosto = col_double(),
##   ..   Septiembre = col_double(),
##   ..   Octubre = col_double(),
##   ..   Noviembre = col_double(),
##   ..   Diciembre = col_double()
##   .. )
##  - attr(*, "problems")=<externalptr>

Revisar NAS en la base de datos

# ¿Cuántos NAS tengo en la base de datos?
sum(is.na(df))
## [1] 3149803
# ¿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               233552               231286 
##                Marzo                Abril                 Mayo 
##               227507               224186               217073 
##                Junio                Julio               Agosto 
##               215908               223538               220367 
##           Septiembre              Octubre            Noviembre 
##               337402               338483               338546 
##            Diciembre 
##               341955
# Opción 1. Eliminar NAS
# df <- 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(df$Enero)

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

Funciones del paquete dplyr

# Adecuar nombres con rename
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 ñas ventas del primer semestre y muestra las venta 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, representación y tamaño.
df6 <- df5 %>%
  group_by(Marca, Presentacion, Tamaño) %>%
  summarise(Ventas_Sem1 = mean(Ventas_Sem1), .groups = "drop")
df6
## # A tibble: 274 × 4
##    Marca        Presentacion    Tamaño     Ventas_Sem1
##    <chr>        <chr>           <chr>            <dbl>
##  1 AdeS Frutal  200 ml Tetra    Individual      1.22  
##  2 AdeS Frutal  946 ml NR Tetra Familiar        4.17  
##  3 AdeS Lácteo  200 ml Tetra    Individual      0.0857
##  4 AdeS Lácteo  946 ml NR Tetra Familiar        3.30  
##  5 Barista Bros 250 ml. NR PET  Individual      0.343 
##  6 Bebere       473 ml NR       Individual      3.23  
##  7 Burn         Lata 235 ml     Individual      0.558 
##  8 Burn         Lata 237 ml     Individual      0.182 
##  9 Burn         Lata 310 ml     Individual      0     
## 10 Burn         Lata 450 ml     Individual      2.60  
## # ℹ 264 more rows
# Calcular medidas de tendencia central
summary(df)
##        ID              Año        Territorio        Sub Territorio    
##  Min.   :     1   Min.   :2016   Length:466509      Length:466509     
##  1st Qu.:116628   1st Qu.:2017   Class :character   Class :character  
##  Median :233255   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:466509      Length:466509      Length:466509      Length:466509       
##  Class :character   Class :character   Class :character   Class :character    
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character    
##                                                                               
##                                                                               
##                                                                               
##                                                                               
##  Segmento Det          Marca           Presentacion          Tamaño         
##  Length:466509      Length:466509      Length:466509      Length:466509     
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##  Retornable_NR          Enero           Febrero           Marzo       
##  Length:466509      Min.   :-19.00   Min.   :-11.00   Min.   :-32.00  
##  Class :character   1st Qu.:  1.00   1st Qu.:  1.00   1st Qu.:  1.00  
##  Mode  :character   Median :  2.00   Median :  2.00   Median :  3.00  
##                     Mean   :  9.39   Mean   :  9.09   Mean   : 10.54  
##                     3rd Qu.:  6.00   3rd Qu.:  6.00   3rd Qu.:  6.00  
##                     Max.   :999.00   Max.   :986.00   Max.   :986.00  
##                     NA's   :233552   NA's   :231286   NA's   :227507  
##      Abril             Mayo             Junio             Julio       
##  Min.   :-70.00   Min.   :-106.00   Min.   :-211.00   Min.   :-60.00  
##  1st Qu.:  1.00   1st Qu.:   1.00   1st Qu.:   1.00   1st Qu.:  1.00  
##  Median :  3.00   Median :   3.00   Median :   3.00   Median :  2.00  
##  Mean   : 10.62   Mean   :  11.44   Mean   :  10.98   Mean   : 10.72  
##  3rd Qu.:  6.00   3rd Qu.:   7.00   3rd Qu.:   6.00   3rd Qu.:  6.00  
##  Max.   :993.00   Max.   : 991.00   Max.   : 998.00   Max.   :993.00  
##  NA's   :224186   NA's   :217073    NA's   :215908    NA's   :223538  
##      Agosto          Septiembre        Octubre         Noviembre     
##  Min.   :-211.00   Min.   :-527     Min.   :-38.0    Min.   :-25.0   
##  1st Qu.:   1.00   1st Qu.:   1     1st Qu.:  1.0    1st Qu.:  1.0   
##  Median :   3.00   Median :   3     Median :  3.0    Median :  3.0   
##  Mean   :  10.95   Mean   :  12     Mean   : 12.1    Mean   : 11.8   
##  3rd Qu.:   6.00   3rd Qu.:   7     3rd Qu.:  7.0    3rd Qu.:  6.0   
##  Max.   : 999.00   Max.   : 993     Max.   :998.0    Max.   :991.0   
##  NA's   :220367    NA's   :337402   NA's   :338483   NA's   :338546  
##    Diciembre     
##  Min.   :-28     
##  1st Qu.:  1     
##  Median :  3     
##  Mean   : 13     
##  3rd Qu.:  7     
##  Max.   :997     
##  NA's   :341955

Tarea Colaborativa 2

Actividad Individual 3