import seaborn as sns import pandas as pd import matplotlib.pyplot as plt import numpy as np

df = pd.read_csv('capacidadefectiva.csv', sep=';') df

df.columns

ano_prod= df.groupby('ANO')['CAPACIDAD DE GENERACION MW'].sum() ano_prod= ano_prod.reset_index() ano_prod

dpto_ano= df.groupby(['DEPARTAMENTO','ANO']).sum() dpto_ano= dpto_ano.reset_index() dpto_ano=pd.pivot_table(dpto_ano,columns='DEPARTAMENTO', index='ANO',values= 'CAPACIDAD DE GENERACION MW') dpto_ano

dpto_ano= df.groupby(['DEPARTAMENTO','ANO']).sum() dpto_ano= dpto_ano.reset_index() dpto_ano fig, ax = plt.subplots(figsize = (25, 10)) sns.barplot(x = 'ANO', y = 'CAPACIDAD DE GENERACION MW', data = dpto_ano,hue='DEPARTAMENTO',ax=ax)

dpto_reg= df.groupby(['DEPARTAMENTO']).sum() dpto_reg= dpto_reg.reset_index() dpto_reg['zscore']= dpto_reg['CAPACIDAD DE GENERACION MW']/dpto_reg['CAPACIDAD DE GENERACION MW'].max() if (dpto_reg['zscore']<= 0.1).any() == True: menores = dpto_reg[dpto_reg['zscore']<=0.1].sum()['CAPACIDAD DE GENERACION MW'] cuenta = len(dpto_reg[dpto_reg['zscore']<=0.1]) dpto_reg = dpto_reg.sort_values(by=['CAPACIDAD DE GENERACION MW']) m = len(dpto_reg['CAPACIDAD DE GENERACION MW'])-cuenta mayores = dpto_reg['CAPACIDAD DE GENERACION MW'].tail(m) etiquetas = [] etiquetas.extend(dpto_reg['DEPARTAMENTO'].tail(m).tolist()) nombres = dpto_reg['DEPARTAMENTO'].head(cuenta) nombres = ','.join(v for v in nombres) etiquetas.append('OTROS DEPAMENTOS') y=mayores.to_numpy() y=np.append(y,menores) explodea=np.zeros(len(y)) explodea[np.argmin(y)]= 0.4 explodea[np.argmax(y)]= 0.1 else: y = dpto_reg['CAPACIDAD DE GENERACION MW'].to_numpy() etiquetas = dpto_reg['DEPARTAMENTO'].tolist() explodea = np.zeros(len(y)) explodea[np.argmin(y)]= 0.4 explodea[np.argmax(y)]= 0.1 plt.figure(figsize=(4,4)) colorspie=("pink","teal","blueviolet","lightpink") plt.pie(y, labels=etiquetas,colors=colorspie,autopct='%1.1f%%',shadow=True,explode=explodea,radius=3)

df1 = pd.read_csv('volumenutilenergia.csv', sep=';') df1

df2 = pd.read_csv('consumoenergia.csv', sep=';') df2

dpto_reg= df2.groupby(['DEPARTAMENTO']).sum() dpto_reg=dpto_reg.sort_values(by='REGULADO', ascending=False) dpto_reg= dpto_reg.reset_index() dpto_reg

dpto_ano= df2.groupby(['DEPARTAMENTO']).sum() dpto_ano=dpto_ano.sort_values(by='NO REGULADO', ascending=False) dpto_ano= dpto_ano.reset_index() dpto_ano

dpto_ano= df2.groupby(['DEPARTAMENTO','AÑO']).sum() dpto_ano=dpto_ano.sort_values(by='REGULADO', ascending=False) dpto_ano= dpto_ano.reset_index() dpto_ano = pd.pivot_table(dpto_ano,columns='DEPARTAMENTO', index='AÑO',values= 'REGULADO') dpto_ano.plot(kind='bar',stacked=True,figsize=(10,5),cmap='Paired',width=0.5).legend(bbox_to_anchor=(1.0, 1.0)) plt.ylabel("CONSUMO REGULADO GWh")

dpto_ano= df2.groupby(['DEPARTAMENTO','AÑO']).sum() dpto_ano=dpto_ano.sort_values(by='NO REGULADO', ascending=False) dpto_ano= dpto_ano.reset_index() dpto_ano fig, ax = plt.subplots(figsize = (25, 10)) sns.barplot(x = 'AÑO', y = 'NO REGULADO', data = dpto_ano,hue='DEPARTAMENTO',ax=ax)

dpto_reg= df2.groupby(['DEPARTAMENTO']).sum() dpto_reg= dpto_reg.reset_index() dpto_reg['zscore']= dpto_reg['REGULADO']/dpto_reg['REGULADO'].max() if (dpto_reg['zscore']<= 0.2).any() == True: menores = dpto_reg[dpto_reg['zscore']<=0.2].sum()['REGULADO'] cuenta = len(dpto_reg[dpto_reg['zscore']<=0.2]) dpto_reg = dpto_reg.sort_values(by=['REGULADO']) m = len(dpto_reg['REGULADO'])-cuenta mayores = dpto_reg['REGULADO'].tail(m) etiquetas = [] etiquetas.extend(dpto_reg['DEPARTAMENTO'].tail(m).tolist()) nombres = dpto_reg['DEPARTAMENTO'].head(cuenta) nombres = ','.join(v for v in nombres) etiquetas.append('OTROS DEPARTAMENTOS') y=mayores.to_numpy() y=np.append(y,menores) explodea=np.zeros(len(y)) explodea[np.argmin(y)]= 0.4 explodea[np.argmax(y)]= 0.1 else: y = dpto_reg['REGULADO'].to_numpy() etiquetas = dpto_reg['DEPARTAMENTO'].tolist() explodea = np.zeros(len(y)) explodea[np.argmin(y)]= 0.4 explodea[np.argmax(y)]= 0.1 plt.figure(figsize=(4,4)) colorspie=("pink","teal","blueviolet","lightpink") plt.pie(y, labels=etiquetas,colors=colorspie,autopct='%1.1f%%',shadow=True,explode=explodea,radius=3)

dpto_reg= df2.groupby(['DEPARTAMENTO']).sum() dpto_reg= dpto_reg.reset_index() dpto_reg['zscore']= dpto_reg['NO REGULADO']/dpto_reg['NO REGULADO'].max() if (dpto_reg['zscore']<= 0.1).any() == True: menores = dpto_reg[dpto_reg['zscore']<=0.1].sum()['NO REGULADO'] cuenta = len(dpto_reg[dpto_reg['zscore']<=0.1]) dpto_reg = dpto_reg.sort_values(by=['NO REGULADO']) m = len(dpto_reg['NO REGULADO'])-cuenta mayores = dpto_reg['NO REGULADO'].tail(m) etiquetas = [] etiquetas.extend(dpto_reg['DEPARTAMENTO'].tail(m).tolist()) nombres = dpto_reg['DEPARTAMENTO'].head(cuenta) nombres = ','.join(v for v in nombres) etiquetas.append('OTROS DEPARTAMENTOS') y=mayores.to_numpy() y=np.append(y,menores) explodea=np.zeros(len(y)) explodea[np.argmin(y)]= 0.4 explodea[np.argmax(y)]= 0.1 else: y = dpto_reg['NO REGULADO'].to_numpy() etiquetas = dpto_reg['DEPARTAMENTO'].tolist() explodea = np.zeros(len(y)) explodea[np.argmin(y)]= 0.4 explodea[np.argmax(y)]= 0.1 plt.figure(figsize=(4,4)) colorspie=("pink","teal","blueviolet","lightpink") plt.pie(y, labels=etiquetas,colors=colorspie,autopct='%1.1f%%',shadow=True,explode=explodea,radius=3)

df3 = pd.read_csv('proyectosenergia.csv', sep=';') df3= df3.sort_values(by='CAPACIDAD (MW)', ascending=False) df3

df3= df3.sort_values(by='CAPACIDAD (MW)', ascending=False) df3=df3.reset_index() df3

df3 = pd.read_csv('generacionenergia.csv', sep=';') df3

dpto_gen=df3.groupby(['AÑO']).sum() dpto_gen=dpto_gen.sort_values(by='GENERACION DE ENERGÍA ELECTRICA SIN', ascending=False) dpto_gen= dpto_gen.reset_index() dpto_gen

dpto_ano= df3.groupby(['DEPARTAMENTO','AÑO']).sum() dpto_ano=dpto_ano.sort_values(by='GENERACION DE ENERGÍA ELECTRICA SIN', ascending=False) dpto_ano= dpto_ano.reset_index() dpto_ano = pd.pivot_table(dpto_ano,columns='DEPARTAMENTO', index='AÑO',values= 'GENERACION DE ENERGÍA ELECTRICA SIN') dpto_ano.plot(kind='bar',stacked=True,figsize=(10,10),cmap='Paired').legend(bbox_to_anchor=(1.0, 1.0)) plt.ylabel('GENERACION ENERGIA ELECTRICA SIN GWh')

dpto_ano= df3.groupby(['DEPARTAMENTO']).sum() dpto_ano=dpto_ano.sort_values(by='GENERACION DE ENERGÍA ELECTRICA SIN', ascending=False) dpto_ano= dpto_ano.reset_index() dpto_ano

dpto_ano= df3.groupby(['DEPARTAMENTO','AÑO']).sum() dpto_ano=dpto_ano.sort_values(by='GENERACION DE ENERGÍA ELECTRICA SIN', ascending=False) dpto_ano= dpto_ano.reset_index() dpto_ano = pd.pivot_table(dpto_ano,columns='DEPARTAMENTO', index='AÑO',values= 'GENERACION DE ENERGÍA ELECTRICA SIN') dpto_ano

dpto_prod= df3.groupby('DEPARTAMENTO')['GENERACION DE ENERGÍA ELECTRICA SIN'].sum() dpto_prod= dpto_prod.reset_index() dpto_prod['zscore']= dpto_prod['GENERACION DE ENERGÍA ELECTRICA SIN']/dpto_prod['GENERACION DE ENERGÍA ELECTRICA SIN'].max() if (dpto_prod['zscore']<= 0.2).any() == True: menores = dpto_prod[dpto_prod['zscore']<=0.2].sum()['GENERACION DE ENERGÍA ELECTRICA SIN'] cuenta = len(dpto_prod[dpto_prod['zscore']<=0.2]) dpto_prod = dpto_prod.sort_values(by=['GENERACION DE ENERGÍA ELECTRICA SIN']) m = len(dpto_prod['GENERACION DE ENERGÍA ELECTRICA SIN'])-cuenta mayores = dpto_prod['GENERACION DE ENERGÍA ELECTRICA SIN'].tail(m) etiquetas = [] etiquetas.extend(dpto_prod['DEPARTAMENTO'].tail(m).tolist()) nombres = dpto_prod['DEPARTAMENTO'].head(cuenta) nombres = ','.join(v for v in nombres) etiquetas.append('OTROS DEPARTAMENTOS') y=mayores.to_numpy() y=np.append(y,menores) explodea=np.zeros(len(y)) explodea[np.argmin(y)]= 0.4 explodea[np.argmax(y)]= 0.2 else: y = dpto_prod['GENERACION DE ENERGÍA ELECTRICA SIN'].to_numpy() etiquetas = dpto_prod['DEPARTAMENTO'].tolist() explodea = np.zeros(len(y)) explodea[np.argmin(y)]= 0.4 explodea[np.argmax(y)]= 0.2 colorspie=("cadetblue","teal","lightcoral","lightpink","plum","lightblue","cadetblue","mediumpurple","orchid") plt.pie(y, labels=etiquetas, colors= colorspie, autopct='%1.1f%%',shadow=True)