Instalar paquetes y lamar
librerías,
# install.packages("readxl") #leer documentos de excel
library(readxl)
# install.packages("tidyverse") #manipular datos
library(tidyverse)
# install.packages("ggplot2") #gráficas
library(ggplot2)
Actividdad Individual 2,
importar la base de datos
# file.choose()
df<- read_excel("/Users/jorgearthur/Library/Mobile Documents/com~apple~CloudDocs/Clases/5to semestre/Otros/Bootcamp Programación/Base de datos.xlsx")
revisar estructuras de 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$Enero, na.rm=TRUE)
Detectar valores atipicos
boxplot(df1$Enero)

# Eliminar renglón de 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:Julio))
# Muestra los movimientos por cedi y tamaño de tienda
df3<- df1 %>% filter(Tamaño_Cte_Industria== "Grande")
# Ordena la base de datos por cedi, marca y 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))
# 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,
Detectar datos adicionales
# Ventas por tipo de envase
df7 <- df5 %>% group_by(Retornable_NR) %>% summarise((Ventas_Sem1=sum(Ventas_Sem1)))
# Ventas de tamaño tipo familiar
df8<- df5 %>% filter(Tamaño== "Familiar")
# Ventas por presentación
df9<- select(df5,c(Presentacion,Ventas_Sem1))
# Ventas segundo semestre
df10 <- df5 %>% mutate(Ventas_Sem2 = Julio + Agosto + Septiembre + Octubre + Noviembre + Diciembre)
# Ventas segundo semestre por marca
Ventas_Sem2_por_marca <- df10 %>% group_by(Marca) %>% summarise(Ventas_Sem2=sum(Ventas_Sem2))
# Ventas por presentación y tipo de envase
df11 <- df10 %>% arrange (CEDI, Presentacion, Retornable_NR)
# Colapsar meses en una Columna
df12 <- gather(df10, Mes, Ventas, Enero:Diciembre)
Actividdad Individual 3,
# agregar una columna con el número de mes
meses <- c("Enero"="01","Febrero"="02","Marzo"="03","Abril"="04","Mayo"="05","Junio"="06","Julio"="07","Agosto"="08","Septiembre"="09","Octubre"="10","Noviembre"="11","Diciembre"="12")
df12$Numero_de_Mes <- meses[df12$Mes]
# Graficar ventas por mes y año
ventas_totales <- df12 %>% group_by(Año,Numero_de_Mes) %>% summarise(Ventas_Totales = sum(Ventas)) %>% arrange(Numero_de_Mes)
## `summarise()` has grouped output by 'Año'. You can override using the `.groups`
## argument.
ggplot(ventas_totales, aes(x=Numero_de_Mes, y= Ventas_Totales, group=Año, color= as.factor(Año))) +
geom_line() +
geom_point() +
labs(x= "Mes", y="Ventas Totales(Qty)",color= "Año")

Tarea Colaborativa 3,
Actividdad Individual 4,
Tarea Colaborativa 4,
Actividdad Individual 5,
Evidencia,
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