Análisis de los 25 retailers más grandes de Estados Unidos

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

# Importar datos df = pd.read_csv("largest_us_retailers.csv")

# Ordenar dataset por las ganancias generadas de mayor a menor df_sorted = df.sort_values("Sales", ascending=0)

# Crear las listas de datos que se usarán para el gráfico. pie_labels = df_sorted['Company'][0:10] pie_sizes = df_sorted['Sales'][0:10] # Crear y personalizar el gráfico de torta con Matplotlib plt.pie(pie_sizes, labels=pie_labels, radius=2.5, autopct='%0.0f%%', shadow=True, startangle=90) # Mostrar el gráfico de torta plt.show()

# Crear variable que almacene el dataset completo sin contar a Walmart US df_clean = df_sorted[1:25]

# Obtener la media (o promedio) de las ventas de cada retail df_clean['Sales'].mean()

# Obtener la mediana de las ventas de cada retail df_clean['Sales'].median()

# Mostrar el conjunto de datos ordenados de mayor a menor df_clean['Sales']

# Mostrar un histograma para observar la distribución de los datos df_clean['Sales'].plot.hist(bins=20)

# Crear un diagrama de caja con Seaborn para observar el rango de la mayoría de ventas sns.boxplot(df_clean['Sales'])

# Obtener los valores de los quartiles min_value = df_clean['Sales'].quantile(q = 0) Q1 = df_clean['Sales'].quantile(q = 0.25) median = df_clean['Sales'].median() Q3 = df_clean['Sales'].quantile(q = 0.75) max_value = df_clean['Sales'].quantile(q = 1) print(min_value, Q1, median, Q3, max_value)

# Obtener el rango intercuartil iqr = Q3 - Q1 iqr

# Obtener los valores de los quartiles min_value = df_clean['Stores'].quantile(q = 0) Q1 = df_clean['Stores'].quantile(q = 0.25) median = df_clean['Stores'].median() Q3 = df_clean['Stores'].quantile(q = 0.75) max_value = df_clean['Stores'].quantile(q = 1) print(min_value, Q1, median, Q3, max_value)

# Obtener el rango interquartil iqr = Q3 - Q1 iqr

# Crear un diagrama de caja con Seaborn para confirmar datos outliers sns.boxplot(df_clean['Stores'])

# Crear un gráfico de dispersión sns.scatterplot(df_clean['Stores'], df_clean['Sales'])

# Crear y personalizar un gráfico de dispersión sns.scatterplot(data=df_clean, x = 'Stores', y = 'Sales', hue = "Category", style="Category", s = 100) # Cambiar la posición de la leyenda del gráfico plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', borderaxespad=0) # Mostrar gráfico plt.show()

min_value = df_clean['Sales'].quantile(q=0) max_value = df_clean['Sales'].quantile(q=1) max_value - min_value

# Mostrar los cinco retailers con mayor ganancia de ventas df_clean.head()

# Mostrar los cinco retailers con mayor cantidad de tiendas df_clean.sort_values('Stores', ascending=0).head()

# Crear un gráfico para ver la relación entre la cantidad de tiendas y las ventas sns.lineplot(data=df_clean, x='Stores', y='Sales', hue='Category') # Cambiar la posición de la leyenda del gráfico plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', borderaxespad=0)

# Filtrar dataframe por empresas de la categoría df_grocery = df_clean[df_clean.Category == 'Grocery'] df_warehouse = df_clean[df_clean.Category == 'Warehouse Club'] df_home = df_clean[df_clean.Category == 'Home Improvement'] df_drug = df_clean[df_clean.Category == 'Drug Stores'] df_electronic_mail = df_clean[df_clean.Category == 'Electronic/Mail Order'] df_supercenters = df_clean[df_clean.Category == 'Supercenters'] df_electronics = df_clean[df_clean.Category == 'Electronics'] df_department = df_clean[df_clean.Category == 'Department Stores'] df_apparel = df_clean[df_clean.Category == 'Apparel'] df_dollar = df_clean[df_clean.Category == 'Dollar Stores'] # Crear gráfico de barras definido por el promedio de ventas que obtuvo cada categoria ## Crear variables de valores a relacionar x = df_clean['Category'].drop_duplicates().drop(11) # 11 es el index del valor 'null' y por eso es eliminado y = [ df_grocery['Sales'].mean(), df_warehouse['Sales'].mean(), df_home['Sales'].mean(), df_drug['Sales'].mean(), df_electronic_mail['Sales'].mean(), df_supercenters['Sales'].mean(), df_electronics['Sales'].mean(), df_department['Sales'].mean(), df_apparel['Sales'].mean(), df_dollar['Sales'].mean() ] ## Personalizar gráfico de barras plt.bar(x, y) plt.title('Promedio de ventas por categoria') plt.xlabel('Category') plt.ylabel('Sales') plt.xticks(rotation='vertical') ## Mostrar gráfico de barras plt.show()

# Crear variables de valores a relacionar x = df_clean.sort_values('Sales/Avg. Store', ascending=0)['Company'] y = df_clean.sort_values('Sales/Avg. Store', ascending=0)['Sales/Avg. Store'] # Personalizar gráfico de barras plt.bar(x, y) plt.title('Promedio de ventas por tienda') plt.xlabel('Company') plt.ylabel('Sales') plt.xticks(rotation='vertical')

df_sorted = df_clean.sort_values('Sales/Avg. Store', ascending=0) # Crear gráfico de barras con seaborn sns.barplot(data=df_sorted, x='Company', y='Sales/Avg. Store', hue="Category") plt.xticks(rotation='vertical') plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', borderaxespad=0) plt.show