EJEC5BSEU

Dataset

Ventas de bicicletas en países de Europa

Acerca del conjunto de datos: En el conjunto de datos de bicicletas de Europa, extrae información sobre las ventas en cada país y cada estado de sus países. En este conjunto de datos, 18 columnas y la columna principal son ventas, en estas columnas Extre el valor y la información significativa de él; Ventas Según masculino y femenino o Productos, número de cada producto y sus ventas, etc.

library(dplyr)

## 
## Adjuntando el paquete: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(readxl)
salesbike<- read_xlsx("Sales.xlsx")
#library(readr) #Para leer archivo .csv
#salesbike<-read_csv("Sales.csv")

Piping %>%

El operador %>% (pipe) facilita la escritura de código más legible y facilita la secuencia de operaciones en una tubería (pipeline). En lugar de anidar funciones o asignar resultados intermedios a variables, el operador %>% permite encadenar las operaciones de una manera más clara y directa.

head(salesbike,10) #Muestra el encabezado de la data.frame por listas de diez filas

## # A tibble: 10 × 18
##    Date                  Day Month   Year Customer_Age Age_Group Customer_Gender
##    <dttm>              <dbl> <chr>  <dbl>        <dbl> <chr>     <chr>          
##  1 2013-11-26 00:00:00    26 Novem…  2013           19 Youth (<… M              
##  2 2015-11-26 00:00:00    26 Novem…  2015           19 Youth (<… M              
##  3 2014-03-23 00:00:00    23 March   2014           49 Adults (… M              
##  4 2016-03-23 00:00:00    23 March   2016           49 Adults (… M              
##  5 2014-05-15 00:00:00    15 May     2014           47 Adults (… F              
##  6 2016-05-15 00:00:00    15 May     2016           47 Adults (… F              
##  7 2014-05-22 00:00:00    22 May     2014           47 Adults (… F              
##  8 2016-05-22 00:00:00    22 May     2016           47 Adults (… F              
##  9 2014-02-22 00:00:00    22 Febru…  2014           35 Adults (… M              
## 10 2016-02-22 00:00:00    22 Febru…  2016           35 Adults (… M              
## # ℹ 11 more variables: Country <chr>, State <chr>, Product_Category <chr>,
## #   Sub_Category <chr>, Product <chr>, Order_Quantity <dbl>, Unit_Cost <dbl>,
## #   Unit_Price <dbl>, Profit <dbl>, Cost <dbl>, Revenue <dbl>

salesbike%>%head(10)

## # A tibble: 10 × 18
##    Date                  Day Month   Year Customer_Age Age_Group Customer_Gender
##    <dttm>              <dbl> <chr>  <dbl>        <dbl> <chr>     <chr>          
##  1 2013-11-26 00:00:00    26 Novem…  2013           19 Youth (<… M              
##  2 2015-11-26 00:00:00    26 Novem…  2015           19 Youth (<… M              
##  3 2014-03-23 00:00:00    23 March   2014           49 Adults (… M              
##  4 2016-03-23 00:00:00    23 March   2016           49 Adults (… M              
##  5 2014-05-15 00:00:00    15 May     2014           47 Adults (… F              
##  6 2016-05-15 00:00:00    15 May     2016           47 Adults (… F              
##  7 2014-05-22 00:00:00    22 May     2014           47 Adults (… F              
##  8 2016-05-22 00:00:00    22 May     2016           47 Adults (… F              
##  9 2014-02-22 00:00:00    22 Febru…  2014           35 Adults (… M              
## 10 2016-02-22 00:00:00    22 Febru…  2016           35 Adults (… M              
## # ℹ 11 more variables: Country <chr>, State <chr>, Product_Category <chr>,
## #   Sub_Category <chr>, Product <chr>, Order_Quantity <dbl>, Unit_Cost <dbl>,
## #   Unit_Price <dbl>, Profit <dbl>, Cost <dbl>, Revenue <dbl>

10%>%head(salesbike, .)

## # A tibble: 10 × 18
##    Date                  Day Month   Year Customer_Age Age_Group Customer_Gender
##    <dttm>              <dbl> <chr>  <dbl>        <dbl> <chr>     <chr>          
##  1 2013-11-26 00:00:00    26 Novem…  2013           19 Youth (<… M              
##  2 2015-11-26 00:00:00    26 Novem…  2015           19 Youth (<… M              
##  3 2014-03-23 00:00:00    23 March   2014           49 Adults (… M              
##  4 2016-03-23 00:00:00    23 March   2016           49 Adults (… M              
##  5 2014-05-15 00:00:00    15 May     2014           47 Adults (… F              
##  6 2016-05-15 00:00:00    15 May     2016           47 Adults (… F              
##  7 2014-05-22 00:00:00    22 May     2014           47 Adults (… F              
##  8 2016-05-22 00:00:00    22 May     2016           47 Adults (… F              
##  9 2014-02-22 00:00:00    22 Febru…  2014           35 Adults (… M              
## 10 2016-02-22 00:00:00    22 Febru…  2016           35 Adults (… M              
## # ℹ 11 more variables: Country <chr>, State <chr>, Product_Category <chr>,
## #   Sub_Category <chr>, Product <chr>, Order_Quantity <dbl>, Unit_Cost <dbl>,
## #   Unit_Price <dbl>, Profit <dbl>, Cost <dbl>, Revenue <dbl>

Select

La función select() se utiliza para seleccionar columnas específicas de un marco de datos. Puede ser útil cuando estás trabajando con conjuntos de datos grandes y solo necesitas trabajar con un subconjunto específico de columnas.

salesbike %>%
  select(Date, Customer_Age, Customer_Gender, Country, 'Unit_Price')

## # A tibble: 113,036 × 5
##    Date                Customer_Age Customer_Gender Country   Unit_Price
##    <dttm>                     <dbl> <chr>           <chr>          <dbl>
##  1 2013-11-26 00:00:00           19 M               Canada           120
##  2 2015-11-26 00:00:00           19 M               Canada           120
##  3 2014-03-23 00:00:00           49 M               Australia        120
##  4 2016-03-23 00:00:00           49 M               Australia        120
##  5 2014-05-15 00:00:00           47 F               Australia        120
##  6 2016-05-15 00:00:00           47 F               Australia        120
##  7 2014-05-22 00:00:00           47 F               Australia        120
##  8 2016-05-22 00:00:00           47 F               Australia        120
##  9 2014-02-22 00:00:00           35 M               Australia        120
## 10 2016-02-22 00:00:00           35 M               Australia        120
## # ℹ 113,026 more rows

salesbike %>%
  select(Date:Country, State='Unit_Price')

## # A tibble: 113,036 × 9
##    Date                  Day Month   Year Customer_Age Age_Group Customer_Gender
##    <dttm>              <dbl> <chr>  <dbl>        <dbl> <chr>     <chr>          
##  1 2013-11-26 00:00:00    26 Novem…  2013           19 Youth (<… M              
##  2 2015-11-26 00:00:00    26 Novem…  2015           19 Youth (<… M              
##  3 2014-03-23 00:00:00    23 March   2014           49 Adults (… M              
##  4 2016-03-23 00:00:00    23 March   2016           49 Adults (… M              
##  5 2014-05-15 00:00:00    15 May     2014           47 Adults (… F              
##  6 2016-05-15 00:00:00    15 May     2016           47 Adults (… F              
##  7 2014-05-22 00:00:00    22 May     2014           47 Adults (… F              
##  8 2016-05-22 00:00:00    22 May     2016           47 Adults (… F              
##  9 2014-02-22 00:00:00    22 Febru…  2014           35 Adults (… M              
## 10 2016-02-22 00:00:00    22 Febru…  2016           35 Adults (… M              
## # ℹ 113,026 more rows
## # ℹ 2 more variables: Country <chr>, State <dbl>

salesbike %>%
  select(-'Unit_Cost', -'Unit_Price')

## # A tibble: 113,036 × 16
##    Date                  Day Month   Year Customer_Age Age_Group Customer_Gender
##    <dttm>              <dbl> <chr>  <dbl>        <dbl> <chr>     <chr>          
##  1 2013-11-26 00:00:00    26 Novem…  2013           19 Youth (<… M              
##  2 2015-11-26 00:00:00    26 Novem…  2015           19 Youth (<… M              
##  3 2014-03-23 00:00:00    23 March   2014           49 Adults (… M              
##  4 2016-03-23 00:00:00    23 March   2016           49 Adults (… M              
##  5 2014-05-15 00:00:00    15 May     2014           47 Adults (… F              
##  6 2016-05-15 00:00:00    15 May     2016           47 Adults (… F              
##  7 2014-05-22 00:00:00    22 May     2014           47 Adults (… F              
##  8 2016-05-22 00:00:00    22 May     2016           47 Adults (… F              
##  9 2014-02-22 00:00:00    22 Febru…  2014           35 Adults (… M              
## 10 2016-02-22 00:00:00    22 Febru…  2016           35 Adults (… M              
## # ℹ 113,026 more rows
## # ℹ 9 more variables: Country <chr>, State <chr>, Product_Category <chr>,
## #   Sub_Category <chr>, Product <chr>, Order_Quantity <dbl>, Profit <dbl>,
## #   Cost <dbl>, Revenue <dbl>

Mutate

La función mutate() se utiliza para agregar nuevas columnas o modificar columnas existentes en un marco de datos. Puedes realizar operaciones aritméticas, aplicar funciones a columnas existentes y crear nuevas variables basadas en las existentes.

salesbike %>%
  select(Date:Product, Unit_Price='Unit_Price') %>%
  mutate(is_collab = grepl('Bike', Sub_Category) & grepl('Hitch Rack', Product)) %>%
  select(Sub_Category,Product, is_collab, everything()) #La función grepl() se utiliza para buscar patrones en texto, y en este caso, está buscando la presencia de la palabra 'Featuring' en la columna "Product".

## # A tibble: 113,036 × 14
##    Sub_Category Product          is_collab Date                  Day Month  Year
##    <chr>        <chr>            <lgl>     <dttm>              <dbl> <chr> <dbl>
##  1 Bike Racks   Hitch Rack - 4-… TRUE      2013-11-26 00:00:00    26 Nove…  2013
##  2 Bike Racks   Hitch Rack - 4-… TRUE      2015-11-26 00:00:00    26 Nove…  2015
##  3 Bike Racks   Hitch Rack - 4-… TRUE      2014-03-23 00:00:00    23 March  2014
##  4 Bike Racks   Hitch Rack - 4-… TRUE      2016-03-23 00:00:00    23 March  2016
##  5 Bike Racks   Hitch Rack - 4-… TRUE      2014-05-15 00:00:00    15 May    2014
##  6 Bike Racks   Hitch Rack - 4-… TRUE      2016-05-15 00:00:00    15 May    2016
##  7 Bike Racks   Hitch Rack - 4-… TRUE      2014-05-22 00:00:00    22 May    2014
##  8 Bike Racks   Hitch Rack - 4-… TRUE      2016-05-22 00:00:00    22 May    2016
##  9 Bike Racks   Hitch Rack - 4-… TRUE      2014-02-22 00:00:00    22 Febr…  2014
## 10 Bike Racks   Hitch Rack - 4-… TRUE      2016-02-22 00:00:00    22 Febr…  2016
## # ℹ 113,026 more rows
## # ℹ 7 more variables: Customer_Age <dbl>, Age_Group <chr>,
## #   Customer_Gender <chr>, Country <chr>, State <chr>, Product_Category <chr>,
## #   Unit_Price <dbl>

Filter

La función filter() se utiliza para filtrar filas específicas de un marco de datos basándose en condiciones dadas. Puedes usar operadores lógicos y comparaciones para especificar las condiciones que determinarán qué filas deben ser incluidas en el resultado

salesbike %>%
  select(Date, Customer_Age, Customer_Gender, Country, Unit_Price='Unit_Price') %>%
  filter(Unit_Price >= 110, Customer_Age >= '30' & Customer_Gender == 'F')

## # A tibble: 9,324 × 5
##    Date                Customer_Age Customer_Gender Country   Unit_Price
##    <dttm>                     <dbl> <chr>           <chr>          <dbl>
##  1 2014-05-15 00:00:00           47 F               Australia        120
##  2 2016-05-15 00:00:00           47 F               Australia        120
##  3 2014-05-22 00:00:00           47 F               Australia        120
##  4 2016-05-22 00:00:00           47 F               Australia        120
##  5 2013-07-30 00:00:00           32 F               Australia        120
##  6 2015-07-30 00:00:00           32 F               Australia        120
##  7 2014-01-02 00:00:00           48 F               Canada           120
##  8 2016-01-02 00:00:00           48 F               Canada           120
##  9 2014-03-13 00:00:00           48 F               Canada           120
## 10 2016-03-13 00:00:00           48 F               Canada           120
## # ℹ 9,314 more rows

#Distinct

La función distinct() se utiliza para obtener las filas únicas de un marco de datos o de un conjunto de columnas específicas dentro de un marco de datos. Puedes utilizar esta función para eliminar duplicados basándote en una o más columnas.

salesbike %>%
  select(Date:Customer_Gender, Unit_Price='Unit_Price') %>%
  filter(Customer_Gender == 'M') 

## # A tibble: 58,312 × 8
##    Date                  Day Month   Year Customer_Age Age_Group Customer_Gender
##    <dttm>              <dbl> <chr>  <dbl>        <dbl> <chr>     <chr>          
##  1 2013-11-26 00:00:00    26 Novem…  2013           19 Youth (<… M              
##  2 2015-11-26 00:00:00    26 Novem…  2015           19 Youth (<… M              
##  3 2014-03-23 00:00:00    23 March   2014           49 Adults (… M              
##  4 2016-03-23 00:00:00    23 March   2016           49 Adults (… M              
##  5 2014-02-22 00:00:00    22 Febru…  2014           35 Adults (… M              
##  6 2016-02-22 00:00:00    22 Febru…  2016           35 Adults (… M              
##  7 2013-07-15 00:00:00    15 July    2013           34 Young Ad… M              
##  8 2015-07-15 00:00:00    15 July    2015           34 Young Ad… M              
##  9 2013-08-02 00:00:00     2 August  2013           29 Young Ad… M              
## 10 2015-08-02 00:00:00     2 August  2015           29 Young Ad… M              
## # ℹ 58,302 more rows
## # ℹ 1 more variable: Unit_Price <dbl>

distinct <- salesbike %>%
  select(Date:Customer_Gender, Unit_Price='Unit_Price') %>%
  filter(Customer_Gender == 'M') %>%
  distinct(Customer_Age)

Group_by & Summarise

La función group_by() se utiliza para agrupar un marco de datos por una o más columnas. Cuando se aplica group_by(), se crea un “grupo” para cada combinación única de los valores en las columnas especificadas. Posteriormente, puedes aplicar funciones de resumen, como summarise(), a cada uno de estos grupos.

La función summarise() se utiliza para realizar resúmenes o agregaciones de datos dentro de cada grupo creado por group_by(). Puedes aplicar diversas funciones de resumen, como mean(), sum(), min(), max(), entre otras.

salesbike %>%
  select(Date:Customer_Gender, Product, Unit_Price='Unit_Price') %>%
  filter(Customer_Gender == 'M'| Customer_Gender =='F') %>%
  group_by(Product) %>% #solo funciono con esta variable group_by
  summarise(total_Unit_Price = mean(Unit_Price))

## # A tibble: 133 × 2
##    Product                total_Unit_Price
##    <chr>                             <dbl>
##  1 AWC Logo Cap                          9
##  2 All-Purpose Bike Stand              159
##  3 Bike Wash - Dissolver                 8
##  4 Classic Vest, L                      64
##  5 Classic Vest, M                      64
##  6 Classic Vest, S                      64
##  7 Fender Set - Mountain                22
##  8 HL Mountain Tire                     35
##  9 HL Road Tire                         33
## 10 Half-Finger Gloves L                 24
## # ℹ 123 more rows

Arrange

La función arrange() en la librería dplyr de R se utiliza para ordenar las filas de un marco de datos según una o más columnas. Puedes especificar el orden ascendente o descendente para cada columna.

salesbike %>%
  select(Date:Customer_Gender, Unit_Price='Unit_Price') %>%
  filter(Customer_Gender == 'M') %>%
  group_by(Year) %>%
  summarise(total_Unit_Price = mean(Unit_Price)) %>%
  arrange(desc(total_Unit_Price), Year) %>%
  head(10)

## # A tibble: 6 × 2
##    Year total_Unit_Price
##   <dbl>            <dbl>
## 1  2011            1890.
## 2  2012            1890.
## 3  2013             456.
## 4  2015             456.
## 5  2014             304.
## 6  2016             304.

Count

La función count() se utiliza para contar el número de observaciones en cada grupo. Es comúnmente utilizada en combinación con group_by() para realizar recuentos en grupos específicos dentro de un marco de datos.

salesbike %>%
  select(Date:Customer_Gender, Unit_Price='Unit_Price')  %>%
  count(Customer_Gender) %>%
  arrange(desc(n))

## # A tibble: 2 × 2
##   Customer_Gender     n
##   <chr>           <int>
## 1 M               58312
## 2 F               54724

Conceptos clase 5

#Calcular el promedio y la desviación estándar por genero

salesbike %>%
  select(Date, Customer_Age, Customer_Gender, Country, 'Revenue')

## # A tibble: 113,036 × 5
##    Date                Customer_Age Customer_Gender Country   Revenue
##    <dttm>                     <dbl> <chr>           <chr>       <dbl>
##  1 2013-11-26 00:00:00           19 M               Canada        950
##  2 2015-11-26 00:00:00           19 M               Canada        950
##  3 2014-03-23 00:00:00           49 M               Australia    2401
##  4 2016-03-23 00:00:00           49 M               Australia    2088
##  5 2014-05-15 00:00:00           47 F               Australia     418
##  6 2016-05-15 00:00:00           47 F               Australia     522
##  7 2014-05-22 00:00:00           47 F               Australia     379
##  8 2016-05-22 00:00:00           47 F               Australia     190
##  9 2014-02-22 00:00:00           35 M               Australia    2086
## 10 2016-02-22 00:00:00           35 M               Australia    1991
## # ℹ 113,026 more rows

# Male
sm<-salesbike %>% filter(Customer_Gender=="M") %>% 
  summarise(mean=mean(Revenue),sd=sd(Revenue)) 
sm

## # A tibble: 1 × 2
##    mean    sd
##   <dbl> <dbl>
## 1  743. 1314.

# Femane
sf<-salesbike %>% filter(Customer_Gender=="F") %>% 
  summarise(mean=mean(Revenue),sd=sd(Revenue)) 
sf

## # A tibble: 1 × 2
##    mean    sd
##   <dbl> <dbl>
## 1  766. 1303.

#Promedio de ganancias por país

salesbike %>%
  select(Date:Country, Revenue='Revenue') %>%
  group_by(Country) %>%
  summarise(total_Revenue = mean(Revenue)) %>%
  arrange(desc(total_Revenue), Country) %>%
  head(10)

## # A tibble: 6 × 2
##   Country        total_Revenue
##   <chr>                  <dbl>
## 1 Australia               890.
## 2 Germany                 809.
## 3 United Kingdom          782.
## 4 France                  767.
## 5 United States           714.
## 6 Canada                  560.

#Promedio ganancias por año

salesbike %>%
  select(Date:Year, Revenue='Revenue') %>%
  group_by(Year) %>%
  summarise(total_Revenue = mean(Revenue)) %>%
  arrange(desc(total_Revenue), Year) %>%
  head(10)

## # A tibble: 6 × 2
##    Year total_Revenue
##   <dbl>         <dbl>
## 1  2012         3428.
## 2  2011         3349.
## 3  2015          819.
## 4  2013          623.
## 5  2016          603.
## 6  2014          481.

salesbike

## # A tibble: 113,036 × 18
##    Date                  Day Month   Year Customer_Age Age_Group Customer_Gender
##    <dttm>              <dbl> <chr>  <dbl>        <dbl> <chr>     <chr>          
##  1 2013-11-26 00:00:00    26 Novem…  2013           19 Youth (<… M              
##  2 2015-11-26 00:00:00    26 Novem…  2015           19 Youth (<… M              
##  3 2014-03-23 00:00:00    23 March   2014           49 Adults (… M              
##  4 2016-03-23 00:00:00    23 March   2016           49 Adults (… M              
##  5 2014-05-15 00:00:00    15 May     2014           47 Adults (… F              
##  6 2016-05-15 00:00:00    15 May     2016           47 Adults (… F              
##  7 2014-05-22 00:00:00    22 May     2014           47 Adults (… F              
##  8 2016-05-22 00:00:00    22 May     2016           47 Adults (… F              
##  9 2014-02-22 00:00:00    22 Febru…  2014           35 Adults (… M              
## 10 2016-02-22 00:00:00    22 Febru…  2016           35 Adults (… M              
## # ℹ 113,026 more rows
## # ℹ 11 more variables: Country <chr>, State <chr>, Product_Category <chr>,
## #   Sub_Category <chr>, Product <chr>, Order_Quantity <dbl>, Unit_Cost <dbl>,
## #   Unit_Price <dbl>, Profit <dbl>, Cost <dbl>, Revenue <dbl>