Análisis de los 25 retailers más grandes de Estados Unidos

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

df = pd.read_csv('largest_us_retailers.csv') df.head()

df_sorted_by_sales = df.sort_values('Sales',ascending=0) df_sorted_by_sales

df_no_dominant_company = df_sorted_by_sales[(df_sorted_by_sales['Company'] != 'Walmart US')] df_no_dominant_company

mean_sale = df_no_dominant_company['Sales'].mean() mean_sale

higher_mean_sales = df_no_dominant_company[(df_no_dominant_company['Sales'] > mean_sale)]['Company'].count() lower_mean_sales = df_no_dominant_company[(df_no_dominant_company['Sales'] <= mean_sale)]['Company'].count() total = df_no_dominant_company['Company'].count() print(f'Compañias por encima del promedio: {(higher_mean_sales / total) * 100} %') print(f'Compañias por debajo del promedio: {(lower_mean_sales / total) * 100} %')

barplot_mean = sns.barplot(data=df_no_dominant_company, x='Sales', y='Company') barplot_mean.axvline(mean_sale, color='#212121') barplot_mean.set_xlabel('Ventas') barplot_mean.set_ylabel('Compañía') barplot_mean.set_title('Ventas por compañía')

all_sales = sns.histplot(data=df, x='Sales') all_sales.set_xlabel('Ventas') all_sales.set_ylabel('Cantidad') all_sales.set_title('Ventas por compañías')

sales_without_dominante = sns.histplot(data=df_no_dominant_company, x='Sales') sales_without_dominante.set_xlabel('Ventas') sales_without_dominante.set_ylabel('Cantidad') sales_without_dominante.set_title('Ventas por compañías')

all_stores = sns.histplot(data=df, x='Stores') all_stores.set_xlabel('Tiendas') all_stores.set_ylabel('Cantidad') all_stores.set_title('Tiendas por compañía')

stores_without_dominante = sns.histplot(data=df_no_dominant_company, x='Stores') stores_without_dominante.set_xlabel('Tiendas') stores_without_dominante.set_ylabel('Cantidad') stores_without_dominante.set_title('Tiendas por compañía')

all_sales_stores = sns.scatterplot(data=df, y='Sales', x='Stores') all_sales_stores.set_xlabel('Tiendas') all_sales_stores.set_ylabel('Ventas') all_sales_stores.set_title('Relación de tiendas vs ventas')

all_sales_stores_without_dominante = sns.scatterplot(data=df_no_dominant_company, y='Sales', x='Stores') all_sales_stores_without_dominante.set_xlabel('Tiendas') all_sales_stores_without_dominante.set_ylabel('Ventas') all_sales_stores_without_dominante.set_title('Relación de tiendas vs ventas')

sale_range = df['Sales'].max() - df['Sales'].min() sales_range_without_dominant = df_no_dominant_company['Sales'].max() - df_no_dominant_company['Sales'].min() print(f'Sales range: {sale_range}\nSales range without dominant: {sales_range_without_dominant}')

df_sorted_by_stores = df.sort_values('Stores', ascending=False)[:5] df_sorted_by_sales_2 = df.sort_values('Sales', ascending=False)[:5] # Crear gráficas fig , ax = plt.subplots(1, 2, figsize=(20, 5)) sns.barplot(data=df_sorted_by_stores, x='Stores', y='Company', ax=ax[0]) ax[0].set_xlabel('Tiendas') ax[0].set_ylabel('Compañía') ax[0].set_title('Compañías con más tiendas físicas') sns.barplot(data=df_sorted_by_sales_2, y='Sales', x='Company', ax=ax[1]) ax[1].set_xlabel('Compañías') ax[1].set_ylabel('Ventas') ax[1].set_title('Compañías con más Ventas') plt.show()

df_sorted_by_stores_without_dominante = df_no_dominant_company.sort_values('Stores', ascending=False)[:5] df_sorted_by_sales_without_dominante = df_no_dominant_company.sort_values('Sales', ascending=False)[:5] # Crear gráficas fig , ax = plt.subplots(1, 2, figsize=(20, 5)) sns.barplot(data=df_sorted_by_stores_without_dominante, x='Stores', y='Company', ax=ax[0]) ax[0].set_xlabel('Tiendas') ax[0].set_ylabel('Compañía') ax[0].set_title('Compañías con más tiendas físicas') sns.barplot(data=df_sorted_by_sales_without_dominante, y='Sales', x='Company', ax=ax[1]) ax[1].set_xlabel('Compañías') ax[1].set_ylabel('Ventas') ax[1].set_title('Compañías con más Ventas') plt.show()

df_group_by_category = df.groupby(by='Category').agg({'Sales': 'sum'}).reset_index().sort_values('Sales', ascending=False) df_group_by_category_without_dominant = df_no_dominant_company.groupby(by='Category').agg({'Sales': 'sum'}).reset_index().sort_values('Sales', ascending=False) # Crear gráficas fig , ax = plt.subplots(1, 2, figsize=(20, 5)) sns.barplot(data=df_group_by_category, y='Category', x='Sales', ax=ax[0]) ax[0].set_xlabel('Ventas') ax[0].set_ylabel('Categorías') ax[0].set_title('Ventas por categoría') sns.barplot(data=df_group_by_category_without_dominant, y='Category', x='Sales', ax=ax[1]) ax[1].set_xlabel('Ventas') ax[1].set_ylabel('Categorías') ax[1].set_title('Ventas por categoría') plt.show()

print(f'Venta máxima de la categoría con compañía dominante: {df_group_by_category["Sales"].max()}') print(f'Venta máxima de la categoría sin la compañía dominante: {df_group_by_category_without_dominant["Sales"].max()}')

df_store_mean = df.sort_values('Sales/Avg. Store', ascending=False) bar_store_mean = sns.barplot(data=df_store_mean, y="Company", x='Sales/Avg. Store') bar_store_mean.set_title('Promedio de ventas por tiendas físicas') bar_store_mean.set_xlabel('Promedio de ventas por tiendas') bar_store_mean.set_ylabel('Compañía') plt.show()

df_store_mean['Sales/Avg. Store'].max()

# Se asume que las tiendas que no tienen física es porque sus ventas es Online df['Online'] = ['Yes' if i else 'No' for i in df['Stores'].isna()]

df_group_by_online = df.groupby(by='Online').agg({'Sales': 'sum'}).reset_index().sort_values('Sales', ascending=False) df_group_by_online

# Filtrar por tiendas Online df[(df['Online'] == 'Yes')]

fig , ax = plt.subplots() plt.pie(df_group_by_online['Sales'], labels=df_group_by_online['Online']) ax.set_title('Ventas Online') ax.legend() plt.show()

# Se asume que las tiendas que no tienen física es porque sus ventas es Online df_no_dominant_company['Online'] = ['Yes' if i else 'No' for i in df_no_dominant_company['Stores'].isna()] df_group_by_online_without_dominant = df_no_dominant_company.groupby(by='Online').agg({'Sales': 'sum'}).reset_index().sort_values('Sales', ascending=False) df_group_by_online_without_dominant

fig , ax = plt.subplots() plt.pie(df_group_by_online_without_dominant['Sales'], labels=df_group_by_online_without_dominant['Online']) ax.set_title('Ventas Online') ax.legend() plt.show()