Arca Continental
Lisset A01284611
2022-09-13
Librerias Utilizadas
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(tidyverse)## ── Attaching packages
## ───────────────────────────────────────
## tidyverse 1.3.2 ──## ✔ ggplot2 3.3.6 ✔ purrr 0.3.4
## ✔ tibble 3.1.8 ✔ stringr 1.4.1
## ✔ tidyr 1.2.1 ✔ forcats 0.5.2
## ✔ readr 2.1.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()library(janitor)##
## Attaching package: 'janitor'
##
## The following objects are masked from 'package:stats':
##
## chisq.test, fisher.test¿El dataframe tiene NAs?
df <- read.csv("/Users/lishdz/Desktop/R/arca.csv")
df$Cliente <- as.integer(df$Cliente)## Warning: NAs introduced by coerciondf$Enero <- as.integer(df$Enero)## Warning: NAs introduced by coerciondf$Febrero <- as.integer(df$Febrero)## Warning: NAs introduced by coerciondf$Marzo <- as.integer(df$Marzo)## Warning: NAs introduced by coerciondf$Abril <- as.integer(df$Abril)## Warning: NAs introduced by coerciondf$Mayo <- as.integer(df$Mayo)## Warning: NAs introduced by coerciondf$Junio <- as.integer(df$Junio)## Warning: NAs introduced by coerciondf$Julio <- as.integer(df$Julio)## Warning: NAs introduced by coerciondf$Agosto <- as.integer(df$Agosto)## Warning: NAs introduced by coerciondf$Septiembre <- as.integer(df$Septiembre)## Warning: NAs introduced by coerciondf$Octubre <- as.integer(df$Octubre)## Warning: NAs introduced by coerciondf$Noviembre <- as.integer(df$Noviembre)## Warning: NAs introduced by coerciondf$Diciembre <- as.integer(df$Diciembre)## Warning: NAs introduced by coercionsum(is.na(df))## [1] 3149804El Dataframe tiene 3,149,804 NAs.
¿El dataframe tiene datos atípicos?
#Enero
boxplot(df$Enero, horizontal = TRUE)
#Febrero
boxplot(df$Febrero, horizontal = TRUE)
#Marzo
boxplot(df$Marzo, horizontal = TRUE)
#Abril
boxplot(df$Abril, horizontal = TRUE)
#Mayo
boxplot(df$Mayo, horizontal = TRUE)
#Junio
boxplot(df$Junio, horizontal = TRUE)
#Julio
boxplot(df$Julio, horizontal = TRUE)
#Agosto
boxplot(df$Agosto, horizontal = TRUE)
#Septiembre
boxplot(df$Septiembre, horizontal = TRUE)
#Octubre
boxplot(df$Octubre, horizontal = TRUE)
#Noviembre
boxplot(df$Noviembre, horizontal = TRUE)
#Diciembre
boxplot(df$Diciembre, horizontal = TRUE)
Sí, el dataframe tiene datos atípicos en todos los meses.
Visualización de Outliers
df %>%
ggplot() +
aes(x = Sub.Territorio, y = Enero) +
geom_point()## Warning: Removed 233552 rows containing missing values (geom_point).
Funciones de R
Select
select <- select(df, CEDI, Enero:Junio)
head(select) ## CEDI Enero Febrero Marzo Abril Mayo Junio
## 1 Suc. Belenes NA NA NA NA NA NA
## 2 Suc. Belenes NA 2 8 4 4 2
## 3 Suc. Belenes NA NA 3 6 3 3
## 4 Suc. Belenes NA NA NA NA NA NA
## 5 Suc. Belenes NA NA NA NA NA NA
## 6 Suc. Belenes NA NA 1 NA NA NAFilter
filter <- filter(df, Tamaño.Cte.Industria=="Grande")
head(filter, n=10)## ID Año Territorio Sub.Territorio CEDI Cliente Nombre
## 1 374960 2019 Guadalajara Belenes Suc. Belenes 7657 FROYL
## 2 374961 2019 Guadalajara Belenes Suc. Belenes 7657 FROYL
## 3 374962 2019 Guadalajara Belenes Suc. Belenes 7657 FROYL
## 4 374963 2019 Guadalajara Belenes Suc. Belenes 7657 FROYL
## 5 374964 2019 Guadalajara Belenes Suc. Belenes 7657 FROYL
## 6 374965 2019 Guadalajara Belenes Suc. Belenes 7657 FROYL
## 7 374966 2019 Guadalajara Belenes Suc. Belenes 7657 FROYL
## 8 374967 2019 Guadalajara Belenes Suc. Belenes 7657 FROYL
## 9 374968 2019 Guadalajara Belenes Suc. Belenes 7657 FROYL
## 10 374969 2019 Guadalajara Belenes Suc. Belenes 7657 FROYL
## Tamaño.Cte.Industria Segmento.Det Marca Presentacion
## 1 Grande Agua Mineral Ciel Mineralizada 600 ml NR
## 2 Grande Agua Mineral Topo Chico A.M. 1.5 Lts. NR
## 3 Grande Agua Mineral Topo Chico A.M. 600 ml NR
## 4 Grande Agua Purificada Ciel Agua Purificada 1 Ltro. N.R.
## 5 Grande Agua Purificada Ciel Agua Purificada 1.5 Lts. NR
## 6 Grande Agua Purificada Ciel Agua Purificada 5 Lts. NR
## 7 Grande Agua Purificada Ciel Agua Purificada 600 ml NR
## 8 Grande Agua Saborizada Ciel Exprim 1 Ltro. N.R.
## 9 Grande Agua Saborizada Ciel Exprim 600 ml NR
## 10 Grande Bebidas de Fruta Delaware Punch 250 ml. NR PET
## Tamaño Retornable_NR Enero Febrero Marzo Abril Mayo Junio Julio Agosto
## 1 Individual No Retornable 1 NA NA 1 1 NA NA NA
## 2 Familiar No Retornable NA 2 5 2 2 2 NA 2
## 3 Individual No Retornable 1 3 3 3 4 1 1 3
## 4 Individual No Retornable 8 2 23 13 21 8 15 19
## 5 Individual No Retornable 13 13 25 22 29 13 10 22
## 6 Familiar No Retornable 4 7 14 14 11 11 7 11
## 7 Individual No Retornable NA NA 3 5 3 3 NA 5
## 8 Individual No Retornable 1 1 NA 1 NA NA NA NA
## 9 Individual No Retornable 1 1 NA 1 NA NA NA NA
## 10 Individual No Retornable NA NA NA NA 1 1 NA 1
## Septiembre Octubre Noviembre Diciembre
## 1 NA NA NA NA
## 2 NA NA NA NA
## 3 NA NA NA NA
## 4 NA NA NA NA
## 5 NA NA NA NA
## 6 NA NA NA NA
## 7 NA NA NA NA
## 8 NA NA NA NA
## 9 NA NA NA NA
## 10 NA NA NA NAArrange
dfAr <- arrange(df, df$CEDI, df$Marca, df$Presentacion)
head(dfAr)## ID Año Territorio Sub.Territorio CEDI Cliente Nombre
## 1 184065 2018 Territorio Sub Territorio CEDI NA Nombre
## 2 200110 2018 Guadalajara Belenes Suc. Belenes 7800 SAN I
## 3 200224 2018 Guadalajara Belenes Suc. Belenes 7875 ABARR
## 4 200461 2018 Guadalajara Belenes Suc. Belenes 7917 ABARR
## 5 200576 2018 Guadalajara Belenes Suc. Belenes 8010 ABARR
## 6 200682 2018 Guadalajara Belenes Suc. Belenes 8186 SUPER
## Tamaño.Cte.Industria Segmento.Det Marca Presentacion Tamaño
## 1 Tamaño Cte Industria Segmento Det Marca Presentacion Tamaño
## 2 Extra Grande Bebidas de Soya AdeS Frutal 200 ml Tetra Individual
## 3 Extra Grande Bebidas de Soya AdeS Frutal 200 ml Tetra Individual
## 4 Extra Grande Bebidas de Soya AdeS Frutal 200 ml Tetra Individual
## 5 Extra Grande Bebidas de Soya AdeS Frutal 200 ml Tetra Individual
## 6 Extra Grande Bebidas de Soya AdeS Frutal 200 ml Tetra Individual
## Retornable_NR Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre
## 1 Retornable_NR NA NA NA NA NA NA NA NA NA
## 2 No Retornable NA NA NA NA NA NA NA NA NA
## 3 No Retornable NA NA NA NA NA NA NA NA NA
## 4 No Retornable NA NA NA NA NA NA NA NA NA
## 5 No Retornable NA NA NA NA NA NA NA NA NA
## 6 No Retornable NA NA NA NA NA NA NA NA NA
## Octubre Noviembre Diciembre
## 1 NA NA NA
## 2 NA 1 1
## 3 NA 2 NA
## 4 NA 1 NA
## 5 NA 6 3
## 6 NA 6 3Rename
names(df)[names(df)=="Sub Territorio"] <- "Sub_territorio"
head(df)## ID Año Territorio Sub.Territorio CEDI Cliente Nombre
## 1 1 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 2 2 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 3 3 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 4 4 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 5 5 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## 6 6 2016 Guadalajara Belenes Suc. Belenes 77737 ABARR
## Tamaño.Cte.Industria Segmento.Det Marca Presentacion
## 1 Extra Grande Agua Mineral Topo Chico A.M. 600 ml NR
## 2 Extra Grande Agua Purificada Ciel Agua Purificada 1 Ltro. N.R.
## 3 Extra Grande Agua Purificada Ciel Agua Purificada 1.5 Lts. NR
## 4 Extra Grande Agua Saborizada Ciel Exprim 600 ml NR
## 5 Extra Grande Agua Saborizada Ciel Mini 300 ML. NR PET
## 6 Extra Grande Agua Saborizada Ciel Saborizada 1 Ltro. N.R.
## Tamaño Retornable_NR Enero Febrero Marzo Abril Mayo Junio Julio Agosto
## 1 Individual No Retornable NA NA NA NA NA NA NA NA
## 2 Individual No Retornable NA 2 8 4 4 2 2 2
## 3 Individual No Retornable NA NA 3 6 3 3 3 3
## 4 Individual No Retornable NA NA NA NA NA NA NA NA
## 5 Individual No Retornable NA NA NA NA NA NA NA NA
## 6 Individual No Retornable NA NA 1 NA NA NA NA NA
## Septiembre Octubre Noviembre Diciembre
## 1 NA NA NA 1
## 2 2 2 4 2
## 3 3 3 3 3
## 4 NA NA NA 1
## 5 NA NA 0 NA
## 6 NA NA NA NAMutate
con_marcas <- group_by(df, Marca)
ventas_de_las_marcas <- summarize(con_marcas, PrimerSemestreDeMarca=sum(Enero, Febrero, Marzo, Abril, Mayo, Junio, na.rm=TRUE))
ventas_de_las_marcas## # A tibble: 56 × 2
## Marca PrimerSemestreDeMarca
## <chr> <int>
## 1 AdeS Frutal 8126
## 2 AdeS Lácteo 4413
## 3 Barista Bros 334
## 4 Bebere 1034
## 5 Burn 5070
## 6 Café Blak 79
## 7 Ciel Agua Purificada 863355
## 8 Ciel Exprim 33959
## 9 Ciel Mineralizada 18043
## 10 Ciel Mini 4942
## # … with 46 more rowsSummarise
#Por marca
PromMarcas <- group_by(df, Marca)
PromMarcasV <- summarize(PromMarcas,PromPrimerSemestre_Marcas=mean (Enero&Febrero&Marzo&Abril&Mayo&Junio, na.rm=TRUE))
PromMarcasV## # A tibble: 56 × 2
## Marca PromPrimerSemestre_Marcas
## <chr> <dbl>
## 1 AdeS Frutal 0.0654
## 2 AdeS Lácteo 0.0434
## 3 Barista Bros 0
## 4 Bebere 0.190
## 5 Burn 0.0646
## 6 Café Blak 1
## 7 Ciel Agua Purificada 0.926
## 8 Ciel Exprim 0.998
## 9 Ciel Mineralizada 0.972
## 10 Ciel Mini 0.255
## # … with 46 more rows#Por presentacion
PromPres <- group_by(df, Presentacion)
PromPresV <- summarize(PromPres,PromPrimerSemestre_Presentacion=mean (Enero&Febrero&Marzo&Abril&Mayo&Junio, na.rm=TRUE))
PromPresV## # A tibble: 57 × 2
## Presentacion PromPrimerSemestre_Presentacion
## <chr> <dbl>
## 1 1 Ltro Ret. NaN
## 2 1 Ltro. N.R. 0.989
## 3 1 Ltro. Tetra 0.947
## 4 1.250 Lts NR 0.999
## 5 1.5 Lts. NR 0.994
## 6 1.5 Lts. Ret 0.995
## 7 1.750 Lts NR 0.994
## 8 100 ml NR Tetra 0.0710
## 9 12 Oz. NR Pet 0.957
## 10 12 Oz. NR Vidrio 0.9
## # … with 47 more rows#Por tamaño
PromTamano <- group_by(df, Tamaño)
PromTamanoV <- summarize(PromTamano,PromPrimerSemestre_Tamano=mean (Enero&Febrero&Marzo&Abril&Mayo&Junio, na.rm=TRUE))
PromTamanoV## # A tibble: 3 × 2
## Tamaño PromPrimerSemestre_Tamano
## <chr> <dbl>
## 1 Familiar 0.966
## 2 Individual 0.565
## 3 Tamaño NaNTendencias Centrales
#Media y Mediana
summary(df)## ID Año Territorio Sub.Territorio
## Min. : 1 Min. :2016 Length:466509 Length:466509
## 1st Qu.:116628 1st Qu.:2017 Class :character Class :character
## Median :233255 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:466509 Min. : 3 Length:466509 Length:466509
## Class :character 1st Qu.: 2509 Class :character Class :character
## Mode :character Median : 5488 Mode :character Mode :character
## Mean :16768
## 3rd Qu.: 9267
## Max. :99998
## NA's :1
## Segmento.Det Marca Presentacion Tamaño
## Length:466509 Length:466509 Length:466509 Length:466509
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## Retornable_NR Enero Febrero Marzo
## Length:466509 Min. :-19.00 Min. :-11.00 Min. :-32.00
## Class :character 1st Qu.: 1.00 1st Qu.: 1.00 1st Qu.: 1.00
## Mode :character Median : 2.00 Median : 2.00 Median : 3.00
## Mean : 9.39 Mean : 9.09 Mean : 10.54
## 3rd Qu.: 6.00 3rd Qu.: 6.00 3rd Qu.: 6.00
## Max. :999.00 Max. :986.00 Max. :986.00
## NA's :233552 NA's :231286 NA's :227507
## Abril Mayo Junio Julio
## Min. :-70.00 Min. :-106.00 Min. :-211.00 Min. :-60.00
## 1st Qu.: 1.00 1st Qu.: 1.00 1st Qu.: 1.00 1st Qu.: 1.00
## Median : 3.00 Median : 3.00 Median : 3.00 Median : 2.00
## Mean : 10.62 Mean : 11.44 Mean : 10.98 Mean : 10.72
## 3rd Qu.: 6.00 3rd Qu.: 7.00 3rd Qu.: 6.00 3rd Qu.: 6.00
## Max. :993.00 Max. : 991.00 Max. : 998.00 Max. :993.00
## NA's :224186 NA's :217073 NA's :215908 NA's :223538
## Agosto Septiembre Octubre Noviembre
## Min. :-211.00 Min. :-527 Min. :-38.0 Min. :-25.0
## 1st Qu.: 1.00 1st Qu.: 1 1st Qu.: 1.0 1st Qu.: 1.0
## Median : 3.00 Median : 3 Median : 3.0 Median : 3.0
## Mean : 10.95 Mean : 12 Mean : 12.1 Mean : 11.8
## 3rd Qu.: 6.00 3rd Qu.: 7 3rd Qu.: 7.0 3rd Qu.: 6.0
## Max. : 999.00 Max. : 993 Max. :998.0 Max. :991.0
## NA's :220367 NA's :337402 NA's :338483 NA's :338546
## Diciembre
## Min. :-28
## 1st Qu.: 1
## Median : 3
## Mean : 13
## 3rd Qu.: 7
## Max. :997
## NA's :341955#Moda
mode <- function(x){
ux <- unique(x)
ux[which.max(tabulate(match(x,ux)))]
}
#NOTA: Si ningun dato se repite la función pone el primer valor en lugar de marcar error.
mode(df$ID)## [1] 1mode(df$Año)## [1] 2019mode(df$Territorio)## [1] "Guadalajara"mode(df$Sub.Territorio)## [1] "Belenes"mode(df$CEDI)## [1] "Suc. Belenes"mode(df$Cliente)## [1] 286mode(df$Nombre)## [1] "ABARR"mode(df$Tamaño.Cte.Industria)## [1] "Extra Grande"mode(df$Segmento.Det)## [1] "Sabores Regular"mode(df$Marca)## [1] "Coca-Cola"mode(df$Presentacion)## [1] "600 ml NR"mode(df$Tamaño)## [1] "Individual"mode(df$Retornable_NR)## [1] "No Retornable"mode(df$Enero)## [1] NAmode(df$Febrero)## [1] NAmode(df$Marzo)## [1] NAmode(df$Abril)## [1] NAmode(df$Mayo)## [1] NAmode(df$Junio)## [1] NAmode(df$Julio)## [1] NAmode(df$Agosto)## [1] NAmode(df$Septiembre)## [1] NAmode(df$Octubre)## [1] NAmode(df$Noviembre)## [1] NAmode(df$Diciembre)## [1] NAConclusiones
Con R es posible hacer un análisis y transformación de los datos muy profunda. Por ejemplo, se pudo identificar que la marca con mayores ventas durante el primer semestre del año fue ‘Ades Frutal’, esto se logró utilizando las funciones de summarize y sum. Igualmente se podría hacer una segmentación con la función de filter para medir las ventas por ciudad o por cada tienda de abarrotes individualmente.