import numpy as np import pandas as pd import matplotlib.pyplot as plt import squarify # generar gráfico de grupos from sklearn.cluster import KMeans #generar gráfico de grupos import plotly.express as px #generar gráfico de embudo

#Lectura de data en CSV data = pd.read_csv('/work/FDI Case Study.csv')

#Se Pivotea la Tabla dataPivot = data.set_index('Sector').stack().reset_index() #Cambiamos de nombre las nuevas columnas de la tabla pivoteada dataPivot_cols=['Sector','Year','FDI Value'] dataPivot.columns=dataPivot_cols #Creamos una nueva columna con solo el año dataPivot['Fiscal Year'] = dataPivot['Year'].astype(str).str[0:4] #Ordenamos las columnas dataPivot = dataPivot[["Sector", "Fiscal Year", "FDI Value"]]

print(dataPivot)

#Visualizamos el Tipo de Datos para proceder a interpretar los datos dataPivot.info()

#Creamos un dataframe "Aux" a partir del "dataPivot", pues se trata la información solo para esta pregunta. #El dataframe "Aux" recopila la sumatoria de FDI por Categoria aux=dataPivot.groupby(['Sector']).sum().reset_index() #Ordenamos los valores aux = aux.sort_values(by='FDI Value', ascending=False) #Reemplazamos nombres largos aux.loc[aux.Sector == 'SERVICES SECTOR (Fin._Banking_Insurance_Non Fin/Business_Outsourcing_R&D_Courier_Tech. Testing and Analysis_Other)', 'Sector'] = 'SERVICES SECTOR' aux.loc[aux.Sector == 'CONSTRUCTION DEVELOPMENT: Townships_ housing_ built-up infrastructure and construction-development projects', 'Sector'] = 'CONSTRUCTION DEVELOPMENT' print(aux)

#Establecemos parámetros para el diagrama de árbol plt.figure(figsize=(12,12)) #Limitamos la cantidad de Sectores a ver sizes=aux['FDI Value'].head(99) #Generamos el gráfico, limitando la cantidad de labels a mostrar plt.title('Diagrama de Arbol') squarify.plot(sizes, label=aux['Sector'][:10],alpha=0.3, pad=True, text_kwargs={'size':'9', 'color':'black',}) plt.axis('off') plt.show()

#Desde la perspectiva de porcentajes, creamos una nueva columna temporal donde se mostrará el porcentaje de cada sector. aux['Porcentaje']=(aux['FDI Value']-aux['FDI Value'].min())/(aux['FDI Value'].max()-aux['FDI Value'].min()) aux['Porcentaje']=aux['Porcentaje']*100 aux['Porcentaje'] = aux['Porcentaje'].astype(str).str[0:4] aux['Porcentaje'] = aux['Porcentaje'].astype(float) #Creamos el diagrama de embudo en base a la nueva columna data = dict( number=aux['Porcentaje'].head(20), stage=aux['Sector'].head(20)) fig = px.funnel(data, x='number', y='stage') fig.show() #Eliminamos la columna temporal aux = aux.drop(columns=['Porcentaje'])

print(aux)

#Antes de usar el algoritmos K-Means, buscamos la cantidad de grupos idóneo en la muestra. wcss= [] aux3 = aux.drop(columns=['Sector']) for i in range (1,10): kmeans = KMeans (n_clusters = i, max_iter=300) kmeans.fit(aux3) wcss.append(kmeans.inertia_) plt.title('Diagrama de Codos') plt.plot(range(1,10),wcss) plt.show() #Se observa que a partir del 4 grupo, el descenso disminuye, por ende, elegimos 4 como número de grupos

#Crearemos un nuevo dataframe llamado "new_aux", basado en la "aux"; la diferencia radica en que acá se añadirá una nueva columna a fin de simular un espacio #bidimensional new_aux=aux.assign(Val=1) #Se crean arrays a partir las columnas del dataframe x=new_aux['Val'].values y=new_aux['FDI Value'].values #Se crea un array de coordenadas X=np.array(list(zip(x,y))) Y=np.array(new_aux['Sector']) #Se usa el algoritmo K-Means para encontrar los grupos kmeans=KMeans(n_clusters=4) kmeans=kmeans.fit(X) labels=kmeans.predict(X) centroids=kmeans.cluster_centers_ #Se dibujan los puntos y colerean los grupos plt.figure(figsize=(12,12)) colors=["m.","r.","c.","y.","b."] #Se dibujan los puntos for i in range (len(X)): #print("Grupo " ,labels[i], ": \t",Y[i] ) plt.plot(X[i][0],X[i][1],colors[labels[i]],markersize=10) plt.title('Diagrama de Grupos') plt.scatter(centroids[:,0],centroids[:,1],marker='x',s=10,linewidths=5,zorder=10) plt.show

#Creamos un nuevo dataframe "aux2", basado en el original "dataPivot", solo que acá se agrupó por años. aux2=dataPivot.groupby(['Fiscal Year']).sum().reset_index() #print(aux2) #Cambiamos el tipo de dato de la columna aux2 = aux2.astype({"Fiscal Year": int}) #Verificamos el tipo con aux2.info() #Definimos las variables propias para el cálculo de la regresión lineal n=aux2['Fiscal Year'].size x=np.array(aux2['Fiscal Year']) y=np.array(aux2['FDI Value']) sumx=sum(x) sumy=sum(y) sumxy=sum(x*y) sumx2=sum(x*x) sumy2=sum(y*y) promx=sumx/n promy=sumy/n m = (sumx*sumy - n*sumxy)/(sumx**2 - n*sumx2) b = promy - m*promx

#Definimos el intervalo de pronóstico x_pred=np.array([2017,2018,2019,2020]) #Configuramos el tamaño de la tabla fig, ax = plt.subplots(figsize=(16, 6)) #Se dibujan los datos y las líneas plt.plot(x,y,'o',label='Datos') plt.plot(x,m*x+b,label='Ajuste') #Se dibuja los puntos pronosticados plt.plot(x_pred,m*x_pred+b,'o',label='Datos Predecidos') #Se dibuja la pendiente de pronóstico plt.plot(x_pred,m*x_pred+b,label='Prediccion') #Se pone valor a los puntos de predicción for a_1,b_1 in zip(x_pred, m*x_pred+b): plt.text(a_1,b_1, ' '+str(b_1)[:7]) #Se Customiza el grádfico plt.xlabel('Años') plt.ylabel('Valor del PDI') plt.title('Predicción') plt.grid(which='both') plt.legend() #Se customiza la Grid ax.set_xlim(1999, 2022) ax.xaxis.set_major_locator(plt.MultipleLocator(1)) #Dibujamos plt.show()