Instalar paquetes y llamar librerías

#install.packages("tidyverse")
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.5.1     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.1
## ✔ 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
#install.packages("dply")
library(dplyr)

#install.packages("janitor")
library(janitor)
## 
## Attaching package: 'janitor'
## 
## The following objects are masked from 'package:stats':
## 
##     chisq.test, fisher.test

Importar la base de datos

#file.choose()
df<- read.csv("/Users/administrator/Downloads/abarrotes.csv")
summary(df)
##  vcClaveTienda        DescGiro         Codigo.Barras            PLU        
##  Length:200625      Length:200625      Min.   :8.347e+05   Min.   : 1.00   
##  Class :character   Class :character   1st Qu.:7.501e+12   1st Qu.: 1.00   
##  Mode  :character   Mode  :character   Median :7.501e+12   Median : 1.00   
##                                        Mean   :5.950e+12   Mean   : 2.11   
##                                        3rd Qu.:7.501e+12   3rd Qu.: 1.00   
##                                        Max.   :1.750e+13   Max.   :30.00   
##                                                            NA's   :199188  
##     Fecha               Hora              Marca            Fabricante       
##  Length:200625      Length:200625      Length:200625      Length:200625     
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##    Producto             Precio          Ult.Costo         Unidades     
##  Length:200625      Min.   :-147.00   Min.   :  0.38   Min.   : 0.200  
##  Class :character   1st Qu.:  11.00   1st Qu.:  8.46   1st Qu.: 1.000  
##  Mode  :character   Median :  16.00   Median : 12.31   Median : 1.000  
##                     Mean   :  19.42   Mean   : 15.31   Mean   : 1.262  
##                     3rd Qu.:  25.00   3rd Qu.: 19.23   3rd Qu.: 1.000  
##                     Max.   :1000.00   Max.   :769.23   Max.   :96.000  
##                                                                        
##     F.Ticket      NombreDepartamento NombreFamilia      NombreCategoria   
##  Min.   :     1   Length:200625      Length:200625      Length:200625     
##  1st Qu.: 33964   Class :character   Class :character   Class :character  
##  Median :105993   Mode  :character   Mode  :character   Mode  :character  
##  Mean   :193990                                                           
##  3rd Qu.:383005                                                           
##  Max.   :450040                                                           
##                                                                           
##     Estado              Mts.2      Tipo.ubicación         Giro          
##  Length:200625      Min.   :47.0   Length:200625      Length:200625     
##  Class :character   1st Qu.:53.0   Class :character   Class :character  
##  Mode  :character   Median :60.0   Mode  :character   Mode  :character  
##                     Mean   :56.6                                        
##                     3rd Qu.:60.0                                        
##                     Max.   :62.0                                        
##                                                                         
##  Hora.inicio        Hora.cierre       
##  Length:200625      Length:200625     
##  Class :character   Class :character  
##  Mode  :character   Mode  :character  
##                                       
##                                       
##                                       
## 
str(df)
## 'data.frame':    200625 obs. of  22 variables:
##  $ vcClaveTienda     : chr  "MX001" "MX001" "MX001" "MX001" ...
##  $ DescGiro          : chr  "Abarrotes" "Abarrotes" "Abarrotes" "Abarrotes" ...
##  $ Codigo.Barras     : num  7.5e+12 7.5e+12 7.5e+12 7.5e+12 7.5e+12 ...
##  $ PLU               : int  NA NA NA NA NA NA NA NA NA NA ...
##  $ Fecha             : chr  "19/06/2020" "19/06/2020" "19/06/2020" "19/06/2020" ...
##  $ Hora              : chr  "08:16:21" "08:23:33" "08:24:33" "08:24:33" ...
##  $ Marca             : chr  "NUTRI LECHE" "DAN UP" "BIMBO" "PEPSI" ...
##  $ Fabricante        : chr  "MEXILAC" "DANONE DE MEXICO" "GRUPO BIMBO" "PEPSI-COLA MEXICANA" ...
##  $ Producto          : chr  "Nutri Leche 1 Litro" "DANUP STRAWBERRY P/BEBER 350GR NAL" "Rebanadas Bimbo 2Pz" "Pepsi N.R. 400Ml" ...
##  $ Precio            : num  16 14 5 8 19.5 16 14 5 8 19.5 ...
##  $ Ult.Costo         : num  12.3 14 5 8 15 ...
##  $ Unidades          : num  1 1 1 1 1 1 1 1 1 1 ...
##  $ F.Ticket          : int  1 2 3 3 4 1 2 3 3 4 ...
##  $ NombreDepartamento: chr  "Abarrotes" "Abarrotes" "Abarrotes" "Abarrotes" ...
##  $ NombreFamilia     : chr  "Lacteos y Refrigerados" "Lacteos y Refrigerados" "Pan y Tortilla" "Bebidas" ...
##  $ NombreCategoria   : chr  "Leche" "Yogurt" "Pan Dulce Empaquetado" "Refrescos Plástico (N.R.)" ...
##  $ Estado            : chr  "Nuevo León" "Nuevo León" "Nuevo León" "Nuevo León" ...
##  $ Mts.2             : int  60 60 60 60 60 60 60 60 60 60 ...
##  $ Tipo.ubicación    : chr  "Esquina" "Esquina" "Esquina" "Esquina" ...
##  $ Giro              : chr  "Abarrotes" "Abarrotes" "Abarrotes" "Abarrotes" ...
##  $ Hora.inicio       : chr  "08:00" "08:00" "08:00" "08:00" ...
##  $ Hora.cierre       : chr  "22:00" "22:00" "22:00" "22:00" ...
#count(df, vcClaveTienda, sort= TRUE)
#count(df, DescGiro, sort= TRUE)
#count(df, Fecha, sort= TRUE)
#count(df, Hora, sort= TRUE)
#count(df, Marca, sort= TRUE)
#count(df, Fabricante, sort= TRUE)
#count(df, Producto, sort= TRUE)
#count(df, NombreDepartamento, sort= TRUE)
#count(df, NombreFamilia, sort= TRUE)
#count(df, NombreCategoria, sort= TRUE)
#count(df, Estado, sort= TRUE)
#count(df, Tipo.ubicación, sort= TRUE)
#count(df, Giro, sort= TRUE)
#count(df, Hora.inicio, sort= TRUE)
#count(df, Hora.cierre, sort= TRUE)

head (df, n=10)
##    vcClaveTienda  DescGiro Codigo.Barras PLU      Fecha     Hora
## 1          MX001 Abarrotes  7.501021e+12  NA 19/06/2020 08:16:21
## 2          MX001 Abarrotes  7.501032e+12  NA 19/06/2020 08:23:33
## 3          MX001 Abarrotes  7.501000e+12  NA 19/06/2020 08:24:33
## 4          MX001 Abarrotes  7.501031e+12  NA 19/06/2020 08:24:33
## 5          MX001 Abarrotes  7.501026e+12  NA 19/06/2020 08:26:28
## 6          MX001 Abarrotes  7.501021e+12  NA 19/06/2020 08:16:21
## 7          MX001 Abarrotes  7.501032e+12  NA 19/06/2020 08:23:33
## 8          MX001 Abarrotes  7.501000e+12  NA 19/06/2020 08:24:33
## 9          MX001 Abarrotes  7.501031e+12  NA 19/06/2020 08:24:33
## 10         MX001 Abarrotes  7.501026e+12  NA 19/06/2020 08:26:28
##                         Marca                 Fabricante
## 1                 NUTRI LECHE                    MEXILAC
## 2                      DAN UP           DANONE DE MEXICO
## 3                       BIMBO                GRUPO BIMBO
## 4                       PEPSI        PEPSI-COLA MEXICANA
## 5  BLANCA NIEVES (DETERGENTE) FABRICA DE JABON LA CORONA
## 6                 NUTRI LECHE                    MEXILAC
## 7                      DAN UP           DANONE DE MEXICO
## 8                       BIMBO                GRUPO BIMBO
## 9                       PEPSI        PEPSI-COLA MEXICANA
## 10 BLANCA NIEVES (DETERGENTE) FABRICA DE JABON LA CORONA
##                              Producto Precio Ult.Costo Unidades F.Ticket
## 1                 Nutri Leche 1 Litro   16.0     12.31        1        1
## 2  DANUP STRAWBERRY P/BEBER 350GR NAL   14.0     14.00        1        2
## 3                 Rebanadas Bimbo 2Pz    5.0      5.00        1        3
## 4                    Pepsi N.R. 400Ml    8.0      8.00        1        3
## 5       Detergente Blanca Nieves 500G   19.5     15.00        1        4
## 6                 Nutri Leche 1 Litro   16.0     12.31        1        1
## 7  DANUP STRAWBERRY P/BEBER 350GR NAL   14.0     14.00        1        2
## 8                 Rebanadas Bimbo 2Pz    5.0      5.00        1        3
## 9                    Pepsi N.R. 400Ml    8.0      8.00        1        3
## 10      Detergente Blanca Nieves 500G   19.5     15.00        1        4
##    NombreDepartamento          NombreFamilia           NombreCategoria
## 1           Abarrotes Lacteos y Refrigerados                     Leche
## 2           Abarrotes Lacteos y Refrigerados                    Yogurt
## 3           Abarrotes         Pan y Tortilla     Pan Dulce Empaquetado
## 4           Abarrotes                Bebidas Refrescos Plástico (N.R.)
## 5           Abarrotes     Limpieza del Hogar                Lavandería
## 6           Abarrotes Lacteos y Refrigerados                     Leche
## 7           Abarrotes Lacteos y Refrigerados                    Yogurt
## 8           Abarrotes         Pan y Tortilla     Pan Dulce Empaquetado
## 9           Abarrotes                Bebidas Refrescos Plástico (N.R.)
## 10          Abarrotes     Limpieza del Hogar                Lavandería
##        Estado Mts.2 Tipo.ubicación      Giro Hora.inicio Hora.cierre
## 1  Nuevo León    60        Esquina Abarrotes       08:00       22:00
## 2  Nuevo León    60        Esquina Abarrotes       08:00       22:00
## 3  Nuevo León    60        Esquina Abarrotes       08:00       22:00
## 4  Nuevo León    60        Esquina Abarrotes       08:00       22:00
## 5  Nuevo León    60        Esquina Abarrotes       08:00       22:00
## 6  Nuevo León    60        Esquina Abarrotes       08:00       22:00
## 7  Nuevo León    60        Esquina Abarrotes       08:00       22:00
## 8  Nuevo León    60        Esquina Abarrotes       08:00       22:00
## 9  Nuevo León    60        Esquina Abarrotes       08:00       22:00
## 10 Nuevo León    60        Esquina Abarrotes       08:00       22:00
tail (df, n=10)
##        vcClaveTienda DescGiro Codigo.Barras PLU      Fecha     Hora
## 200616         MX005 Depósito   7.62221e+12  NA 07/08/2020 19:30:13
## 200617         MX005 Depósito   7.62221e+12  NA 25/07/2020 18:42:24
## 200618         MX005 Depósito   7.62221e+12  NA 18/07/2020 22:45:58
## 200619         MX005 Depósito   7.62221e+12  NA 12/07/2020 00:36:34
## 200620         MX005 Depósito   7.62221e+12  NA 12/07/2020 01:08:25
## 200621         MX005 Depósito   7.62221e+12  NA 23/10/2020 22:17:37
## 200622         MX005 Depósito   7.62221e+12  NA 10/10/2020 20:30:20
## 200623         MX005 Depósito   7.62221e+12  NA 10/10/2020 22:40:43
## 200624         MX005 Depósito   7.62221e+12  NA 27/06/2020 22:30:19
## 200625         MX005 Depósito   7.62221e+12  NA 26/06/2020 23:43:34
##                    Marca    Fabricante                          Producto Precio
## 200616 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G      9
## 200617 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G      9
## 200618 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G      9
## 200619 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G      9
## 200620 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G      9
## 200621 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G      9
## 200622 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G      9
## 200623 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G      9
## 200624 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G      9
## 200625 TRIDENT XTRA CARE CADBURY ADAMS Trident Xtracare Freshmint 16.32G      9
##        Ult.Costo Unidades F.Ticket NombreDepartamento NombreFamilia
## 200616      6.92        1   106411          Abarrotes      Dulcería
## 200617      6.92        1   104693          Abarrotes      Dulcería
## 200618      6.92        1   103856          Abarrotes      Dulcería
## 200619      6.92        1   103087          Abarrotes      Dulcería
## 200620      6.92        1   103100          Abarrotes      Dulcería
## 200621      6.92        1   116598          Abarrotes      Dulcería
## 200622      6.92        1   114886          Abarrotes      Dulcería
## 200623      6.92        1   114955          Abarrotes      Dulcería
## 200624      6.92        1   101121          Abarrotes      Dulcería
## 200625      6.92        1   100879          Abarrotes      Dulcería
##        NombreCategoria       Estado Mts.2 Tipo.ubicación       Giro Hora.inicio
## 200616 Gomas de Mazcar Quintana Roo    58        Esquina Mini súper       08:00
## 200617 Gomas de Mazcar Quintana Roo    58        Esquina Mini súper       08:00
## 200618 Gomas de Mazcar Quintana Roo    58        Esquina Mini súper       08:00
## 200619 Gomas de Mazcar Quintana Roo    58        Esquina Mini súper       08:00
## 200620 Gomas de Mazcar Quintana Roo    58        Esquina Mini súper       08:00
## 200621 Gomas de Mazcar Quintana Roo    58        Esquina Mini súper       08:00
## 200622 Gomas de Mazcar Quintana Roo    58        Esquina Mini súper       08:00
## 200623 Gomas de Mazcar Quintana Roo    58        Esquina Mini súper       08:00
## 200624 Gomas de Mazcar Quintana Roo    58        Esquina Mini súper       08:00
## 200625 Gomas de Mazcar Quintana Roo    58        Esquina Mini súper       08:00
##        Hora.cierre
## 200616       21:00
## 200617       21:00
## 200618       21:00
## 200619       21:00
## 200620       21:00
## 200621       21:00
## 200622       21:00
## 200623       21:00
## 200624       21:00
## 200625       21:00

Tablas

#Tabla de Tienda y Departamento
tabyl(df, vcClaveTienda, NombreDepartamento)
##  vcClaveTienda Abarrotes Bebes e Infantiles Carnes Farmacia Ferretería Mercería
##          MX001     95415                515      1      147        245       28
##          MX002      6590                 21      0        4         10        0
##          MX003      4026                 15      0        2          8        0
##          MX004     82234                932      0      102        114       16
##          MX005     10014                  0      0        0          0        0
##  Papelería Productos a Eliminar Vinos y Licores
##         35                    3              80
##          0                    0               4
##          0                    0               0
##         32                    5              20
##          7                    0               0
#Tabla de Estado y Hora de Incio
tabyl(df, Estado, Hora.inicio)
##        Estado 07:00 08:00 09:00
##       Chiapas  4051     0     0
##       Jalisco     0     0  6629
##    Nuevo León     0 96469     0
##  Quintana Roo     0 10021     0
##       Sinaloa 83455     0     0

Limpieza de Datos

Técnica 1. Eliminar valores irrelevantes

#Eliminar columnas 
df <- subset(df, select = -c(PLU))

#Eliminar renglones
df <- df[df$Precio>0,]

Técnica 2. Eliminar valores repetidos

df <- distinct(df)

Técnica 3. Corregir errores tipográficos y similares

df$Unidades <- ceiling(df$Unidades)
summary(df$Unidades)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   1.000   1.000   1.000   1.261   1.000  96.000

Técnica 4. Convertir tipo de datos

#Covertir de caracter a fecha
df$Fecha <- as.Date(df$Fecha, format="%d/%m/%Y")
str(df$Fecha)
##  Date[1:200473], format: "2020-06-19" "2020-06-19" "2020-06-19" "2020-06-19" "2020-06-19" ...
summary(df$Fecha)
##         Min.      1st Qu.       Median         Mean      3rd Qu.         Max. 
## "2020-05-01" "2020-06-06" "2020-07-11" "2020-07-18" "2020-08-29" "2020-11-11"

Técnica 5. Tratar valores faltantes

#Borrar todos los NAs
# df <- na.omit(df)

#Reemplazar los NAs con CEROS
# df [is.na(df)] <- 0

#Reemplazar los NAs con el PROMEDIO
# df$altura[is.na(df$altura)] <- mean(df$)

Técnica 6. Herramientas Estadísticas faltantes

boxplot(df$Precio, horizontal = TRUE)

boxplot(df$Unidades, horizontal = TRUE)

# Generar basket

#Ordenar de menor a mayor la columna ticket
df <- df[order(df$F.Ticket),]
head(df)
##   vcClaveTienda  DescGiro Codigo.Barras      Fecha     Hora
## 1         MX001 Abarrotes  7.501021e+12 2020-06-19 08:16:21
## 2         MX001 Abarrotes  7.501032e+12 2020-06-19 08:23:33
## 3         MX001 Abarrotes  7.501000e+12 2020-06-19 08:24:33
## 4         MX001 Abarrotes  7.501031e+12 2020-06-19 08:24:33
## 5         MX001 Abarrotes  7.501026e+12 2020-06-19 08:26:28
## 6         MX001 Abarrotes  7.501025e+12 2020-06-19 08:26:28
##                        Marca                 Fabricante
## 1                NUTRI LECHE                    MEXILAC
## 2                     DAN UP           DANONE DE MEXICO
## 3                      BIMBO                GRUPO BIMBO
## 4                      PEPSI        PEPSI-COLA MEXICANA
## 5 BLANCA NIEVES (DETERGENTE) FABRICA DE JABON LA CORONA
## 6                      FLASH                       ALEN
##                             Producto Precio Ult.Costo Unidades F.Ticket
## 1                Nutri Leche 1 Litro   16.0     12.31        1        1
## 2 DANUP STRAWBERRY P/BEBER 350GR NAL   14.0     14.00        1        2
## 3                Rebanadas Bimbo 2Pz    5.0      5.00        1        3
## 4                   Pepsi N.R. 400Ml    8.0      8.00        1        3
## 5      Detergente Blanca Nieves 500G   19.5     15.00        1        4
## 6      Flash Xtra Brisa Marina 500Ml    9.5      7.31        1        4
##   NombreDepartamento          NombreFamilia           NombreCategoria
## 1          Abarrotes Lacteos y Refrigerados                     Leche
## 2          Abarrotes Lacteos y Refrigerados                    Yogurt
## 3          Abarrotes         Pan y Tortilla     Pan Dulce Empaquetado
## 4          Abarrotes                Bebidas Refrescos Plástico (N.R.)
## 5          Abarrotes     Limpieza del Hogar                Lavandería
## 6          Abarrotes     Limpieza del Hogar      Limpiadores Líquidos
##       Estado Mts.2 Tipo.ubicación      Giro Hora.inicio Hora.cierre
## 1 Nuevo León    60        Esquina Abarrotes       08:00       22:00
## 2 Nuevo León    60        Esquina Abarrotes       08:00       22:00
## 3 Nuevo León    60        Esquina Abarrotes       08:00       22:00
## 4 Nuevo León    60        Esquina Abarrotes       08:00       22:00
## 5 Nuevo León    60        Esquina Abarrotes       08:00       22:00
## 6 Nuevo León    60        Esquina Abarrotes       08:00       22:00
tail(df)
##        vcClaveTienda   DescGiro Codigo.Barras      Fecha     Hora
## 107247         MX004 Carnicería  1.024877e+10 2020-10-15 11:51:40
## 167624         MX004 Carnicería  7.501080e+12 2020-10-15 11:51:40
## 149282         MX004 Carnicería  7.501055e+12 2020-10-15 11:54:37
## 168603         MX004 Carnicería  7.501214e+12 2020-10-15 11:56:52
## 161046         MX004 Carnicería  7.501031e+12 2020-10-15 12:01:54
## 112823         MX004 Carnicería  7.500470e+07 2020-10-15 12:02:36
##                 Marca           Fabricante                       Producto
## 107247         YEMINA               HERDEZ    PASTA SPAGHETTI YEMINA 200G
## 167624     DEL FUERTE ALIMENTOS DEL FUERTE PURE DE TOMATE DEL FUERTE 345G
## 149282 COCA COLA ZERO            COCA COLA           COCA COLA ZERO 600ML
## 168603       DIAMANTE           EMPACADOS              ARROZ DIAMANTE225G
## 161046          PEPSI  PEPSI-COLA MEXICANA              PEPSI N. R. 500ML
## 112823      COCA COLA            COCA COLA     COCA COLA RETORNABLE 500ML
##        Precio Ult.Costo Unidades F.Ticket NombreDepartamento
## 107247      7      5.38        2   450032          Abarrotes
## 167624     12      9.23        1   450032          Abarrotes
## 149282     15     11.54        2   450034          Abarrotes
## 168603     11      8.46        1   450037          Abarrotes
## 161046     10      7.69        1   450039          Abarrotes
## 112823     10      7.69        8   450040          Abarrotes
##               NombreFamilia               NombreCategoria  Estado Mts.2
## 107247       Sopas y Pastas Fideos, Spaguetti, Tallarines Sinaloa    53
## 167624 Salsas y Sazonadores          Salsa para Spaguetti Sinaloa    53
## 149282              Bebidas         Refrescos Retornables Sinaloa    53
## 168603    Granos y Semillas                         Arroz Sinaloa    53
## 161046              Bebidas     Refrescos Plástico (N.R.) Sinaloa    53
## 112823              Bebidas         Refrescos Retornables Sinaloa    53
##        Tipo.ubicación      Giro Hora.inicio Hora.cierre
## 107247        Esquina Abarrotes       07:00       23:00
## 167624        Esquina Abarrotes       07:00       23:00
## 149282        Esquina Abarrotes       07:00       23:00
## 168603        Esquina Abarrotes       07:00       23:00
## 161046        Esquina Abarrotes       07:00       23:00
## 112823        Esquina Abarrotes       07:00       23:00
#Generar el ticket
#basket <- ddply(df,c("F.Ticket"), function(df)paste(df$Marca, collapse = ","))

#Eliminar el número de ticket
#basket$F.Ticket <- NULL

# Cambiar el título de la columna V1 por Marca 
#colnames(basket) <- c("Marca")

#Exportar basket
#write.csv(basket, "basket.csv", quote = FALSE, row.names = FALSE)

Market Basket Analysis

#file.choose()

#tr <- read.transactions("/Users/administrator/Documents/Semestre 5/basket.csv", format= "basket", sep= ",")

#reglas.asociacion <- apriori(tr,parameter = list (supp = .001, conf=0.2, maxlen= 10))
#summary(reglas.asociacion)
#inspect(reglas.asociacion)

#reglas.asociacion <- sort(reglas.asociacion, by= "confidence", decreasing = TRUE)
#summary(reglas.asociacion)
#inspect(reglas.asociacion)

#top10reglas <- head(reglas.asociacion, n=10, by = "confidence")
#plot(top10reglas, method ="graph", engine = "htmlwidget")

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