Análisis de Carbón por Departamentos

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

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

df.groupby('Departamento')['Produccion'].sum().plot(kind='bar', legend='Reverse') plt.ticklabel_format(style='plain', axis='y') plt.ylabel('Produccion de Carbon en Toneladas')

ano_prod= df.groupby('Ano')['Produccion'].sum() ano_prod= ano_prod.reset_index() ano_prod

dptos=df.groupby('Departamento').sum() dptos=dptos.sort_values(by='Produccion', ascending=False) dptos

dpto_ano= df.groupby(['Departamento','Ano']).sum() dpto_ano= dpto_ano.reset_index() dpto_ano fig, ax = plt.subplots(figsize = (10, 10)) sns.barplot(x = 'Ano', y = 'Produccion', data = dpto_ano,hue='Departamento')

dpto_ano = pd.pivot_table(dpto_ano,columns='Departamento', index='Ano',values= 'Produccion') dpto_ano

dpto_ano.columns

dpto_ano['CESAR'].sum()

dpto_ano = pd.pivot_table(dpto_ano,columns='Departamento', index= 'Ano',values= 'Produccion') dpto_ano dpto_ano.plot(kind='bar',stacked=True,figsize=(10,10),cmap='Paired') plt.ylabel("Produccion en toneladas") plt.ticklabel_format(style='plain', axis='y')

dpto_prod= df.groupby('Departamento')['Produccion'].sum() dpto_prod= dpto_prod.reset_index() dpto_prod

dpto_prod= df.groupby('Departamento')['Produccion'].sum() dpto_prod= dpto_prod.reset_index() dpto_prod['zscore']= dpto_prod['Produccion']/dpto_prod['Produccion'].max() if (dpto_prod['zscore']<= 0.2).any() == True: menores = dpto_prod[dpto_prod['zscore']<=0.2].sum()['Produccion'] cuenta = len(dpto_prod[dpto_prod['zscore']<=0.2]) dpto_prod = dpto_prod.sort_values(by=['Produccion']) m = len(dpto_prod['Produccion'])-cuenta mayores = dpto_prod['Produccion'].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['Produccion'].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") plt.pie(y, labels=etiquetas, colors= colorspie, autopct='%1.1f%%',shadow=True)

#dpto_prod= df.groupby('Departamento')['Produccion'].sum() #dpto_prod= dpto_prod.reset_index() #dpto_prod['zscore']= dpto_prod['Produccion']/dpto_prod['Produccion'].max() #if (dpto_prod['zscore']<= 0.2).any() == True: #menores = dpto_prod[dpto_prod['zscore']<=0.2].sum()['Produccion'] #cuenta = len(dpto_prod[dpto_prod['zscore']<=0.2]) #dpto_prod = dpto_prod.sort_values(by=['Produccion']) #m = len(dpto_prod['Produccion'])-cuenta #mayores = dpto_prod['Produccion'].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(nombres) #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['Produccion'].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") #plt.pie(y, labels=etiquetas, colors= colorspie, autopct='%1.1f%%',shadow=True)

df1 = pd.read_csv('regaliascarbon.csv', sep=';') df1['Regalias']= df1['Regalias']/1000000000

dpto_ano= df1.groupby('Departamento').sum() dpto_ano

dpto_ano= df1.groupby(['Departamento','Ano']).sum() dpto_ano= dpto_ano.reset_index() dpto_ano = pd.pivot_table(dpto_ano,columns='Departamento', index='Ano',values= 'Regalias') dpto_ano dpto_ano.plot(kind='bar',stacked=True,figsize=(15,10),cmap='Paired') plt.ticklabel_format(style='plain', axis='y') plt.ylabel("Regalias en Miles de Millones")

dpto_ano= df1.groupby(['Departamento','Ano']).sum() dpto_ano= dpto_ano.reset_index() dpto_ano = pd.pivot_table(dpto_ano,columns='Departamento', index='Ano',values= 'Regalias') dpto_ano

dpto_reg= df1.groupby(['Departamento']).sum() dpto_reg= dpto_reg.reset_index() dpto_reg['zscore']= dpto_reg['Regalias']/dpto_reg['Regalias'].max() if (dpto_reg['zscore']<= 0.2).any() == True: menores = dpto_reg[dpto_reg['zscore']<=0.2].sum()['Regalias'] cuenta = len(dpto_reg[dpto_reg['zscore']<=0.2]) dpto_reg = dpto_reg.sort_values(by=['Regalias']) m = len(dpto_reg['Regalias'])-cuenta mayores = dpto_reg['Regalias'].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['Regalias'].to_numpy() etiquetas = dpto_reg['Departamento'].tolist() explodea = np.zeros(len(y)) explodea[np.argmin(y)]= 0.4 explodea[np.argmax(y)]= 0.1 colorspie=("pink","teal","blueviolet","lightpink") plt.pie(y, labels=etiquetas,colors=colorspie,autopct='%1.1f%%',shadow=True,explode=explodea)

df2 = pd.read_csv('exportaciones.csv', sep=';') df2['Toneladas de Carbon Exportadas']=df2['Toneladas de Carbon Exportadas']/1000000 df2

df2.dtypes

df2.groupby('Departamento Origen')['Toneladas de Carbon Exportadas'].sum().plot(kind='bar', legend='Reverse') plt.ticklabel_format(style='plain', axis='y') plt.ylabel('Millones de Toneladas de Carbon Exportadas')

dpto_prod= df2.groupby('Departamento Origen')['Toneladas de Carbon Exportadas'].sum() dpto_prod= dpto_prod.reset_index() dpto_prod

dpto_prod=dpto_prod.sort_values(by='Toneladas de Carbon Exportadas', ascending=False) dpto_prod= dpto_prod.reset_index() dpto_prod

dpto_prod['Toneladas de Carbon Exportadas'].sum()