Discretizacion

1 Discretización

Las discretizaciones sirven para trasnformar una variable continua en una discreta. En este caso me interesa comparar si los precios estuvieron por encima o por debajo de otro valor.

1.1 Dataset de la clase Missing por periodo

Utilizo el dataset que tenia las medias entre periodos y aún no había eliminado las mediciones originales

# Renombro las columnas de las mediciones
preciosdiscretos <- dfremplazo %>% rename("m1" ="1", "m2"="2", "m3"="3", "m4"="4","m5"="5","m6"="6","m7"="7","m8"="8","m9"="9","m10"="10")


colnames(preciosdiscretos)

 [1] "producto"            "nombre"              "Categoria"          
 [4] "marca"               "presentacion"        "sucursal"           
 [7] "sucursalTipo"        "banderaDescripcion"  "comercioRazonSocial"
[10] "direccion"           "barrio"              "m1"                 
[13] "m2"                  "m3"                  "m4"                 
[16] "m5"                  "m6"                  "m7"                 
[19] "m8"                  "m9"                  "m10"                
[22] "periodo1"            "periodo2"            "periodo3"           
[25] "periodo4"            "promedio"           

1.2 Calculo de medias

1.2.1 Media general intra periodo

Variacion intra periodo: definido en funcion de cada mes

• Medicion 1-2-3 son de Noviembre 2018
• Medicion 4-5 son de Diciembre 2018
• Medicion 6-7 son de Enero 2019
• Medicion 8-9-10 son de Febrero

Calculo la variación de datos intra periodo de todos los productos.

# Variaciones intra periodo y total
preciosdiscretos = (
preciosdiscretos %>%
dplyr::mutate(variacion1 = (m3-m1)/m1, variacion2 = (m5-m4)/m4, variacion3 = (m7-m6)/m6, variacion4 = (m10-m8)/m8, variacionT = (m10-m1)/m1)
)

Para tener un valor comparable de precios por producto en distintas sucursales

1.2.2 Media por producto

preciosdiscretos = (
preciosdiscretos %>%
 group_by(producto, nombre) %>%
 dplyr::mutate(media_prod1 = mean(periodo1), media_prod2 = mean(periodo2), media_prod3 = mean(periodo3), media_prod4 = mean(periodo4), media_prodT = mean(promedio))
) 

1.2.3 Precio Relativo

El precio relativo se calcula con la formula:

\(Precio_r = (Psucursal - P_mproducto)/P_mproducto)\)

preciosdiscretos = (
preciosdiscretos %>%
 group_by(sucursal, producto) %>%
 dplyr::mutate(precio_rel1 = (periodo1-media_prod1)/periodo1, precio_rel2 = (periodo2-media_prod2)/periodo2, precio_rel3 = (periodo3-media_prod3)/periodo3, precio_rel4 = (periodo4-media_prod4)/periodo4, precio_rel_medio = (promedio-media_prodT)/promedio)
)

1.3 Datasets Adicionales

• Inflacion
• Precio por metro cuadrado
• Barrio
  

barrio <- read.csv("./files/Datasets adicionales/barrios.csv")
inflacion <- read.csv("./files/Datasets adicionales/inflacion.csv")
precio_metros2 <- read.csv("./files/barrios/precio_metro.csv")

Agregamos precio por metro cuadrado del barrio

# Agregamos el precio por metro cuadrado
preciosdiscretos = inner_join(preciosdiscretos, precio_metros2[1:2], by = c("barrio" = "BARRIO"))

# Renombramos la columna PRECIO
preciosdiscretos = (preciosdiscretos %>% rename(precio_m2 = PRECIO))

1.3.1 Creacion de una canasta

• Alimentos Recomendados para la salud
• Alimentos de consumo moderado
• Alimentos a evitar
  

Agregamos una columna de “canasta”

# Armamos canasta de alimentos
target_rec = c("Agua","Infusiones","Leche", "Leche en polvo", "Arroz","Harinas","Verduras congeladas")
target_mod = c("Conservas","Quesos","Pastas","Yogur","Aceite", "Aceite de oliva", "Manteca","Endulzantes")
target_evi = c("Bebidas sin alcohol", "Bebidas deportivas", "Jugos en polvo", "Carnes congeladas", "Otros congelados", "Cereales azucarados", "Panificados","Salsas")

# Agregamos la columna "canasta"
preciosdiscretos = mutate(preciosdiscretos, canasta = ifelse(Categoria %in% target_rec, "recomendado",
                                            ifelse(Categoria %in% target_mod, "moderado",
                                            ifelse(Categoria %in% target_evi, "evitar", NA))))

2 Discretizacion 1: Etiquetar

2.1 Variaciones intra periodo:

¿Debajo o encima de la inflación?

# Agregamos columnas de inflación
preciosdiscretos = mutate(preciosdiscretos, inflacion1 = 
                      ifelse(variacion1 < 0.034, "debajo de inflación", "encima de inflación"))

preciosdiscretos = mutate(preciosdiscretos, inflacion2 = 
                      ifelse(variacion2 < 0.017, "debajo de inflación", "encima de inflación"))

preciosdiscretos = mutate(preciosdiscretos, inflacion3 = 
                      ifelse(variacion3 < 0.034, "debajo de inflación", "encima de inflación"))

preciosdiscretos = mutate(preciosdiscretos, inflacion4 = 
                      ifelse(variacion4 < 0.057, "debajo de inflación", "encima de inflación"))

preciosdiscretos = mutate(preciosdiscretos, inflacionT = 
                      ifelse(variacionT < 0.149, "debajo de inflación", "encima de inflación"))

2.2 Libreria arules:

Funcion discretize

discretize(x, method=“interval”, categories = 3, labels = , ordered=FALSE, onlycuts=FALSE, …)

Metodos

• “interval” (equal interval width),
• “frequency” (equal frequency),
• “cluster” (k-means clustering) and
• “fixed” (categories specifies interval boundaries).
  

library(arules)
#Hago una copia del dataframe para hacerle modificiones
df_disc <- preciosdiscretos

Creo intervalos para la variacion

# Variación
intervalos = c(-Inf, -0.05, -0.02, -0.005, 0.005, 0.05, 0.1, Inf)
etiquetas = c("disminucion fuerte", "disminucion media", "disminucion leve", "mantiene", "aumento leve", "aumento medio", "aumento fuerte")

df_disc$variacion1 = discretize(df_disc$variacion1, method = "fixed", breaks = intervalos, labels = etiquetas)
df_disc$variacion2 = discretize(df_disc$variacion2, method = "fixed", breaks = intervalos, labels = etiquetas)
df_disc$variacion3 = discretize(df_disc$variacion3, method = "fixed", breaks = intervalos, labels = etiquetas)
df_disc$variacion4 = discretize(df_disc$variacion4, method = "fixed", breaks = intervalos, labels = etiquetas)
df_disc$variacionT = discretize(df_disc$variacionT, method = "fixed", breaks = intervalos, labels = etiquetas)

Intervalos para el precio relativo

# Precio
intervalos1 = c(-Inf, -0.1, -0.05, -0.01, 0.01, 0.05, 0.1, Inf)
etiquetas1 = c("muy barato", "medianamente barato", "levemente barato", "medio", "levemente caro", "medianamente caro", "muy caro")

df_disc$precio_rel1 = discretize(df_disc$precio_rel1, method = "fixed", breaks = intervalos1, labels = etiquetas1)
df_disc$precio_rel2 = discretize(df_disc$precio_rel2, method = "fixed", breaks = intervalos1, labels = etiquetas1)
df_disc$precio_rel3 = discretize(df_disc$precio_rel3, method = "fixed", breaks = intervalos1, labels = etiquetas1)
df_disc$precio_rel4 = discretize(df_disc$precio_rel4, method = "fixed", breaks = intervalos1, labels = etiquetas1)
df_disc$precio_rel_medio = discretize(df_disc$precio_rel_medio, method = "fixed", breaks = intervalos1, labels = etiquetas1)

Intervalos para el valor del m2

# Preio m2
intervalos2 = c(-Inf, 1000, 2000, 4000, 5000, 6000, Inf)
etiquetas2 = c("barato", "medianamente barato", "medio", "medianamente caro", "caro", "muy caro")

df_disc$precio_m2 = discretize(df_disc$precio_m2, method = "fixed", breaks = intervalos2, labels = etiquetas2)

# Nos quedamos sólo con las variables discretas
df = select(df_disc,-c(12:26,32:36))

glimpse(df)

Observations: 162,630
Variables: 28
Groups: sucursal, producto [162,630]
$ producto            <chr> "7790762052364", "12-1-2800000937881"...
$ nombre              <fct> Vino Rosado Seleccion Especial Santa ...
$ Categoria           <fct> Bebidas con alcohol, Conservas, Bebid...
$ marca               <fct> SANTA ANA, COTO, NIETO SANETINER, BOD...
$ presentacion        <fct> 700.0 ml, 81.0 gr, 750.0 cc, 750.0 ml...
$ sucursal            <chr> "12-1-44", "12-1-44", "12-1-44", "12-...
$ sucursalTipo        <fct> Supermercado, Supermercado, Supermerc...
$ banderaDescripcion  <fct> COTO CICSA, COTO CICSA, COTO CICSA, C...
$ comercioRazonSocial <fct> Coto Centro Integral de Comercializac...
$ direccion           <fct> Av. Monroe 3284, Av. Monroe 3284, Av....
$ barrio              <chr> "COGHLAN", "COGHLAN", "COGHLAN", "COG...
$ variacion1          <fct> mantiene, mantiene, mantiene, mantien...
$ variacion2          <fct> mantiene, mantiene, mantiene, mantien...
$ variacion3          <fct> mantiene, aumento leve, mantiene, man...
$ variacion4          <fct> mantiene, mantiene, mantiene, mantien...
$ variacionT          <fct> mantiene, aumento leve, mantiene, aum...
$ precio_rel1         <fct> NA, medio, medianamente caro, NA, med...
$ precio_rel2         <fct> NA, medio, medianamente caro, medio, ...
$ precio_rel3         <fct> NA, medio, NA, levemente caro, medio,...
$ precio_rel4         <fct> NA, medio, NA, medio, medio, NA, NA, ...
$ precio_rel_medio    <fct> levemente caro, medio, medianamente c...
$ precio_m2           <fct> medio, medio, medio, medio, medio, me...
$ canasta             <chr> NA, "moderado", NA, NA, "evitar", "mo...
$ inflacion1          <chr> "debajo de inflación", "debajo de inf...
$ inflacion2          <chr> "debajo de inflación", "debajo de inf...
$ inflacion3          <chr> "debajo de inflación", "encima de inf...
$ inflacion4          <chr> "debajo de inflación", "debajo de inf...
$ inflacionT          <chr> "debajo de inflación", "debajo de inf...

2.3 Segmentar

Quiero un histograma con los productos que aumentaron menos que la inflación para recoleta, separado por Canasta

bajo <- df %>% filter(inflacionT=="debajo de inflación", barrio=="RECOLETA")

ggplot(bajo, aes(x = sucursalTipo, y = stat(count), fill = canasta)) + 
    geom_bar(position = "dodge") +
  labs(y = "Count", 
       fill = "Canasta",
       x = "Tipo de sucursal",
       title = 'Cant. Productos')+
  theme_grey()

Quiero un mapa donde cada punto represente aumento del precio relativo, por barrio, separado en las cuatro cadenas mas grandes y en donde pueda ver el valor de los metros cuadrados por barrio

Mapa