Tarea de la Semana 7 - Joins, Tidy Data y Relaciones entre Tablas Dataset de práctica

Carga de librerías y datos

── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr     1.2.1     ✔ readr     2.2.0
✔ forcats   1.0.1     ✔ stringr   1.6.0
✔ ggplot2   4.0.3     ✔ tibble    3.3.1
✔ lubridate 1.9.5     ✔ tidyr     1.3.2
✔ purrr     1.2.2     
── 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

Tabla Clientes

Clientes

id_cliente	nombre	ciudad	tipo
C001	Ana Torres	Santo Domingo	Premium
C002	Pedro Méndez	Santiago	Regular
C003	María López	Santo Domingo	Premium
C004	Luis García	La Vega	Regular
C005	Carmen Díaz	San Pedro	Regular
C006	Jorge Reyes	Santo Domingo	Premium

Tabla Facturas

Facturas

id_factura	id_cliente	mes	monto
F001	C001	Ene	15000
F002	C001	Feb	22000
F003	C002	Ene	8500
F004	C003	Feb	31000
F005	C005	Ene	4500
F006	C007	Feb	12000
F007	C002	Mar	9800
F008	C001	Ene	15000

Tabla Pagos

Pagos

id_factura	monto_pagado
F001	15000
F002	22000
F004	31000
F006	12000
F007	9800

Diagnóstico Relacional

1.1 Facturas con clientes inexistentes

facturas_huerfanas <- facturas |>
  anti_join(clientes, by = "id_cliente")

facturas_huerfanas |>
  knitr::kable(caption = "Facturas con clientes no registrados")

Facturas con clientes no registrados

id_factura	id_cliente	mes	monto
F006	C007	Feb	12000

## Se encontró una factura asociada al cliente C007, el cuál no existe en la tabla de clientes. Esto representa un riesgo huérfano o posible error de captura.

1.2 Clientes sin facturas

clientes_sin_factura <- clientes |>
  anti_join(facturas, by = "id_cliente")

clientes_sin_factura |>
  knitr::kable(caption = "Clientes sin facturas registradas")

Clientes sin facturas registradas

id_cliente	nombre	ciudad	tipo
C004	Luis García	La Vega	Regular
C006	Jorge Reyes	Santo Domingo	Premium

## Existen 2 clientes sin facturas registradas: Luis García y Jorge Reyes.

1.3 Facturas sin pago registrado

facturas_sin_pago <- facturas |>
  anti_join(pagos, by = "id_factura")

facturas_sin_pago |>
  knitr::kable(caption = "Facturas sin pago registrado")

Facturas sin pago registrado

id_factura	id_cliente	mes	monto
F003	C002	Ene	8500
F005	C005	Ene	4500
F008	C001	Ene	15000

## Son F003, F005 y F008

1.4 Verificación de duplicados

facturas |>
  count(id_cliente) |>
  filter(n > 1) |>
  knitr::kable(caption = "Clientes con más de una factura registrada")

Clientes con más de una factura registrada

id_cliente	n
C001	3
C002	2

## Los clientes C001 y C002 aparecen varias veces porque poseen múltiples facturas. No se consideran duplicados reales, ya que cada factura tiene un identificador distinto.

Aplicando los 4 Joins

2.1 Left Join

nrow(clientes)

[1] 6

Filas después del left_join(): 9

2.2 Inner Join

clientes_inner <- clientes |>
  inner_join(facturas, by = "id_cliente")

clientes_inner |>
  knitr::kable(caption = "Resultado de inner_join entre clientes y facturas")

Resultado de inner_join entre clientes y facturas

id_cliente	nombre	ciudad	tipo	id_factura	mes	monto
C001	Ana Torres	Santo Domingo	Premium	F001	Ene	15000
C001	Ana Torres	Santo Domingo	Premium	F002	Feb	22000
C001	Ana Torres	Santo Domingo	Premium	F008	Ene	15000
C002	Pedro Méndez	Santiago	Regular	F003	Ene	8500
C002	Pedro Méndez	Santiago	Regular	F007	Mar	9800
C003	María López	Santo Domingo	Premium	F004	Feb	31000
C005	Carmen Díaz	San Pedro	Regular	F005	Ene	4500

## Los clientes C004 (Luis García) y C006 (Jorge Reyes) desaaprecen porque no tienen facturas registradas.

2.3 Full Join

clientes_full <- clientes |>
  full_join(facturas, by = "id_cliente")

clientes_full |>
  knitr::kable(caption = "Resultado de full_join entre clientes y facturas")

Resultado de full_join entre clientes y facturas

id_cliente	nombre	ciudad	tipo	id_factura	mes	monto
C001	Ana Torres	Santo Domingo	Premium	F001	Ene	15000
C001	Ana Torres	Santo Domingo	Premium	F002	Feb	22000
C001	Ana Torres	Santo Domingo	Premium	F008	Ene	15000
C002	Pedro Méndez	Santiago	Regular	F003	Ene	8500
C002	Pedro Méndez	Santiago	Regular	F007	Mar	9800
C003	María López	Santo Domingo	Premium	F004	Feb	31000
C004	Luis García	La Vega	Regular	NA	NA	NA
C005	Carmen Díaz	San Pedro	Regular	F005	Ene	4500
C006	Jorge Reyes	Santo Domingo	Premium	NA	NA	NA
C007	NA	NA	NA	F006	Feb	12000

## Aparece una fila adicional correspondiente al cliente C007, ya que existe en facturas pero no en clientes.

2.4 Tabla Maestra

tabla_maestra <- clientes |>
  left_join(facturas, by = "id_cliente") |>
  left_join(pagos, by = "id_factura")

tabla_maestra |>
  knitr::kable(caption = "Tabla maestra: clientes, facturas y pagos")

Tabla maestra: clientes, facturas y pagos

id_cliente	nombre	ciudad	tipo	id_factura	mes	monto	monto_pagado
C001	Ana Torres	Santo Domingo	Premium	F001	Ene	15000	15000
C001	Ana Torres	Santo Domingo	Premium	F002	Feb	22000	22000
C001	Ana Torres	Santo Domingo	Premium	F008	Ene	15000	NA
C002	Pedro Méndez	Santiago	Regular	F003	Ene	8500	NA
C002	Pedro Méndez	Santiago	Regular	F007	Mar	9800	9800
C003	María López	Santo Domingo	Premium	F004	Feb	31000	31000
C004	Luis García	La Vega	Regular	NA	NA	NA	NA
C005	Carmen Díaz	San Pedro	Regular	F005	Ene	4500	NA
C006	Jorge Reyes	Santo Domingo	Premium	NA	NA	NA	NA

## La tabla maestra tiene 9 filas; algunos de los valores de "monto_pagado" aparecen como "NA" porque esas facturas no tienen pago registrado.

## Los clientes sin facturas también generan valores faltantes.

Joins de Filtro: Auditoría

3.1 Clientes con al menos una factura

clientes_con_factura <- clientes |>
  semi_join(facturas, by = "id_cliente")

clientes_con_factura |>
  knitr::kable(caption = "Clientes con al menos una factura")

Clientes con al menos una factura

id_cliente	nombre	ciudad	tipo
C001	Ana Torres	Santo Domingo	Premium
C002	Pedro Méndez	Santiago	Regular
C003	María López	Santo Domingo	Premium
C005	Carmen Díaz	San Pedro	Regular

## 4 clientes tienen al menos una factura.

3.2 Clientes que nunca han facturado

clientes |>
  anti_join(facturas, by = "id_cliente") |>
  select(nombre, ciudad) |>
  knitr::kable(caption = "Clientes sin facturas registradas")

Clientes sin facturas registradas

nombre	ciudad
Luis García	La Vega
Jorge Reyes	Santo Domingo

3.3 Facturas de clientes no registrados

facturas |>
  anti_join(clientes, by = "id_cliente") |>
  select(id_factura, id_cliente, monto) |>
  knitr::kable(caption = "Facturas de clientes no registrados")

Facturas de clientes no registrados

id_factura	id_cliente	monto
F006	C007	12000

Manejo de Duplicados

4.1 Eliminar duplicados exactos

facturas_sin_dup <- facturas |> 
  (\(df) filter(df, !duplicated(df)))()

facturas_sin_dup |>
  knitr::kable(caption = "Tabla de facturas sin duplicados")

Tabla de facturas sin duplicados

id_factura	id_cliente	mes	monto
F001	C001	Ene	15000
F002	C001	Feb	22000
F003	C002	Ene	8500
F004	C003	Feb	31000
F005	C005	Ene	4500
F006	C007	Feb	12000
F007	C002	Mar	9800
F008	C001	Ene	15000

## Permanecen las 8 filas originales porque no existen duplicados exactos.

4.2 Factura de mayor monto por cliente

facturas_max <- facturas |>
  group_by(id_cliente) |>
  slice_max(order_by = monto, n = 1) |>
  ungroup()

facturas_max |>
  knitr::kable(caption = "Factura de mayor monto por cliente")

Factura de mayor monto por cliente

id_factura	id_cliente	mes	monto
F002	C001	Feb	22000
F007	C002	Mar	9800
F004	C003	Feb	31000
F005	C005	Ene	4500
F006	C007	Feb	12000

4.3 Reconstrucción de tabla maestra

tabla_maestra2 <- clientes |>
  left_join(facturas_sin_dup, by = "id_cliente") |>
  left_join(pagos, by = "id_factura")

tabla_maestra2 |>
  knitr::kable(caption = "Tabla maestra sin duplicados")

Tabla maestra sin duplicados

id_cliente	nombre	ciudad	tipo	id_factura	mes	monto	monto_pagado
C001	Ana Torres	Santo Domingo	Premium	F001	Ene	15000	15000
C001	Ana Torres	Santo Domingo	Premium	F002	Feb	22000	22000
C001	Ana Torres	Santo Domingo	Premium	F008	Ene	15000	NA
C002	Pedro Méndez	Santiago	Regular	F003	Ene	8500	NA
C002	Pedro Méndez	Santiago	Regular	F007	Mar	9800	9800
C003	María López	Santo Domingo	Premium	F004	Feb	31000	31000
C004	Luis García	La Vega	Regular	NA	NA	NA	NA
C005	Carmen Díaz	San Pedro	Regular	F005	Ene	4500	NA
C006	Jorge Reyes	Santo Domingo	Premium	NA	NA	NA	NA

## El número de filas no cambia porque no existían duplicados exactos que eliminar.

Tidy Data con pivot

5.1 Ventas por mes en formato ancho

tabla_maestra <- clientes |>
  left_join(facturas_sin_dup, by = "id_cliente") |>
  left_join(pagos, by = "id_factura")

ventas_por_mes <- tabla_maestra |>
  filter(!is.na(mes)) |>
  group_by(nombre, mes) |>
  summarise(total = sum(monto, na.rm = TRUE), .groups = "drop") |>
  pivot_wider(
    names_from  = mes,
    values_from = total,
    values_fill = 0
  )

ventas_por_mes |>
  knitr::kable(caption = "Ventas por mes en formato ancho")

Ventas por mes en formato ancho

nombre	Ene	Feb	Mar
Ana Torres	30000	22000	0
Carmen Díaz	4500	0	0
María López	0	31000	0
Pedro Méndez	8500	0	9800

5.2 Conversión a formato largo

ventas_largo <- ventas_por_mes |>
  pivot_longer(
    cols = -nombre,
    names_to = "mes",
    values_to = "total"
  )

ventas_largo |>
  knitr::kable(caption = "Ventas por mes en formato largo")

Ventas por mes en formato largo

nombre	mes	total
Ana Torres	Ene	30000
Ana Torres	Feb	22000
Ana Torres	Mar	0
Carmen Díaz	Ene	4500
Carmen Díaz	Feb	0
Carmen Díaz	Mar	0
María López	Ene	0
María López	Feb	31000
María López	Mar	0
Pedro Méndez	Ene	8500
Pedro Méndez	Feb	0
Pedro Méndez	Mar	9800

5.3 Total vendido por mes

ventas_totales_mes <- ventas_largo |>
  group_by(mes) |>
  summarise(total_vendido = sum(total), .groups = "drop") |>
  arrange(desc(total_vendido))

ventas_totales_mes |>
  knitr::kable(caption = "Ventas totales por mes de mayor a menor")

Ventas totales por mes de mayor a menor

mes	total_vendido
Feb	53000
Ene	43000
Mar	9800