Análisis de los 25 retailers más grandes de Estados Unidos

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

# Importar datos aquí df = pd.read_csv('/work/largest_us_retailers.csv') df.head()

df.columns

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

x = df_sorted['Company'][0:5] #Aplicamos slicing como en una lista de Python. y = df_sorted['Sales'][0:5] plt.bar(x, y) plt.title('Top 5 retailers') plt.xlabel('Company') plt.ylabel('Sales') plt.xticks(rotation='vertical') #Método que se usa para rotar el texto de los puntos en X para que no se amontonen. plt.show()

df_dominante = df_sorted[df_sorted['Company'] == 'Walmart US'] df_dominante.head()

df_no_dominante = df_sorted[df_sorted['Company'] != 'Walmart US'] df_no_dominante.head()

promedio_todo = df_sorted['Sales'].mean() mediana_todo = df_sorted['Sales'].median() promedio_dominante = df_dominante['Sales'].mean() mediana_dominante = df_dominante['Sales'].median() promedio_no_dominante = df_no_dominante['Sales'].mean() mediana_no_dominante = df_no_dominante['Sales'].median()

print('VENTAS en $USD de todas las compañias --> promedio = %3.3f, mediana = %d' % (promedio_todo, mediana_todo)) boxplot_todo = sns.boxplot(x='Sales',hue= 'Company',data=df_sorted) boxplot_todo.set_title('BoxPlot de Ventas $USD - Todas las empresas') boxplot_todo

print('VENTAS en $USD de la compañia dominante --> promedio = %3.3f, mediana = %d' % (promedio_dominante, mediana_dominante)) boxplot_dominante = sns.boxplot(x='Sales',hue= 'Company',data=df_dominante) boxplot_dominante.set_title('BoxPlot de Ventas $USD - Empresas Dominante: WallMart US') boxplot_dominante

print('VENTAS en $USD de las compañias No dominantes: promedio = %3.3f, mediana = %d' % (promedio_no_dominante, mediana_no_dominante)) boxplot_no_dominante = sns.boxplot(x='Sales',hue= 'Company',data=df_no_dominante) boxplot_no_dominante.set_title('BoxPlot de Ventas $USD - Empresas No Dominantes') boxplot_no_dominante

histo_sales_todo = df_sorted['Sales'].hist(bins=20) histo_sales_todo.set_title('Histograma Ventas $USD - todas las empresas') histo_sales_todo.set_xlabel('Ventas $USD') histo_sales_todo.set_ylabel('# Empresas') suma_sales_todo = df_sorted['Sales'].sum() print('Suma Ventas en $USD de todas las empresas = %d '% suma_sales_todo) df_sales_mayoria_empresas = df_sorted[ df_sorted['Sales'] < 100000 ] numero_mayoria_empresas = df_sorted[ df_sorted['Sales'] < 100000 ].count() print('# de Empresas (Mayoria de empresas que tuvieron ventas en $USD menores a 100000 ) = ' + str(numero_mayoria_empresas['Company'])) suma_subgrupo_sales_mayoria = df_sales_mayoria_empresas['Sales'].sum() print('Suma Ventas en $USD (menor o igual a 100000) de sub-grupo mayoria de empresas = %d '% suma_subgrupo_sales_mayoria)

histo_sales_mayoria_empresas = df_sales_mayoria_empresas['Sales'].hist(bins=10) histo_sales_mayoria_empresas.set_title('Histograma Ventas $USD - mayoria de empresas') histo_sales_mayoria_empresas.set_xlabel('Ventas $USD') histo_sales_mayoria_empresas.set_ylabel('# Empresas') suma_sales_mayoria = df_sales_mayoria_empresas['Sales'].sum() print('Suma Ventas en $USD (menor o igual a 100000) de sub-grupo mayoria de empresas = %d '% suma_sales_mayoria) numero_subgrupo_mayoria_empresas = df_sales_mayoria_empresas[ df_sales_mayoria_empresas['Sales'] <= 30000 ].count() df_subgrupo_mayoria_empresas = df_sales_mayoria_empresas[ df_sales_mayoria_empresas['Sales'] <= 30000 ] print('# de Empresas (Sub grupo - Mayoria de empresas, ventas en $USD menores e iguales a 30000 ) = ' + str(numero_subgrupo_mayoria_empresas['Company'])) suma_subgrupo_sales_mayoria = df_subgrupo_mayoria_empresas['Sales'].sum() print('Suma Ventas en $USD (menor o igual a 30000) de sub-grupo mayoria de empresas = %d '% suma_subgrupo_sales_mayoria)

df_stores_sorted = df.sort_values('Stores', ascending=0) sns.displot(df_stores_sorted, x = 'Stores', hue = 'Company', multiple='stack') no_stores = df_stores_sorted[ (df_stores_sorted['Stores'] > 0) == False] print( 'Compañias con 0 tiendas fisicas o ninguna : Amazon y Apple Incl. Online' ) no_stores.head()

df_stores_mayoria = df_stores_sorted[df_stores_sorted['Stores'] <= 3000] displot_stores_mayoria = sns.displot(df_stores_mayoria, x = 'Stores', hue = 'Company', multiple='stack') df_stores_mayoria.head()

boxplot_stores_mayoria = sns.boxplot(x='Stores',hue= 'Company',data=df_stores_mayoria) boxplot_stores_mayoria.set_title('BoxPlot de Numero Tiendas - Mayoria Empresas') boxplot_stores_mayoria promedio_stores_mayoria = df_stores_mayoria['Stores'].mean() mediana_stores_mayoria = df_stores_mayoria['Stores'].median() print('STORES de la mayoria de las compañias --> promedio = %3.3f, mediana = %d' % (promedio_stores_mayoria, mediana_stores_mayoria))

# scatterplot - Ventas scatter_sales = sns.scatterplot(data=df_sorted, x = 'Sales', y = 'Stores', hue = 'Company') scatter_sales.set_title('ScatterPlot Ventas ------------------------------------------------') # Tabla - Ventas Ordenada df_sorted.head(5)

# scatterplot scatter_stores = sns.scatterplot(data=df_stores_sorted, x = 'Stores', y = 'Sales', hue = 'Company') scatter_stores.set_title('ScatterPlot Tiendas ------------------------------------------------') # tabla - Tiendas ordenadas df_stores_sorted.head(5)

df_sorted.head(24)

maximo_ventas = df_sorted['Sales'].max() maximo_compañia = df_sorted['Company'][0] minimo_ventas = df_sorted['Sales'].min() minimo_compañia = df_sorted['Company'][23] rango_ventas = maximo_ventas - minimo_ventas print('Máximo en Ventas ($USD) = {0} , de la compañia: {1}'.format(maximo_ventas, maximo_compañia)) print('Mínimo en ventas ($USD) = {0} , de la compañia: {1}'.format(minimo_ventas, minimo_compañia)) print('Rango de ventas ($USD) = {0}'.format(rango_ventas))

# df_sorted : listado ordenado de ventas df_top5_ventas = df_sorted['Company'][0:5] df_top5_ventas.head()

# df_sorted : listado ordenado de tiendas df_top5_tiendas = df_stores_sorted['Company'][0:5] df_top5_tiendas.head()

print("Las siguientes son las empresas que cumplen top 5 en mayor ventas y top 5 en mayor numero de tiendas:") for key1 in df_top5_tiendas.keys(): for key2 in df_top5_ventas.keys(): if key1 == key2: empresa_igual = df_top5_ventas[key1] print(empresa_igual)

df_categorias_sorted = df.sort_values('Category', ascending=1) df_categorias_sorted.head()

barplot_category = sns.barplot(data=df_categorias_sorted, x = 'Category', y = 'Sales') barplot_category.set_xticklabels(barplot_category.get_xticklabels(),rotation = 90, size = 10) barplot_category.set_title('Ventas por Categoria')

compañia_categoria = df_categorias_sorted[(df_categorias_sorted['Category']=='Supercenters') == True] compañia_categoria.head()

compañias_top5 = df_stores_sorted[3:5] compañias_top5.head()

scatterplot_top5 = sns.scatterplot(data=compañias_top5, x = 'Sales', y = 'Stores', hue = 'Company') scatterplot_top5.set_title('Scatter Plot, empresas con mayor número ventas y número tiendas')

print("Tiendas que solo operan online, que no tienen tiendas fisicas") no_stores.head()

x1 = no_stores['Company'] #Aplicamos slicing como en una lista de Python. y1 = no_stores['Sales'] plt.bar(x1, y1) plt.title('Ventas Empresas que No tienen Tiendas Fisicas') plt.xlabel('Company') plt.ylabel('Sales') plt.show()

promedio_ventas = df_sorted['Sales'].mean() mediana_ventas = df_sorted['Sales'].median() print('promedio ventas: %3.3f , mediana ventas: %3.3f ' % (promedio_ventas ,mediana_ventas ) ) ventas_amazon = no_stores[no_stores['Company'] == 'Amazon'] ventas_apple_online = no_stores [no_stores['Company'] == 'Apple incl. Online'] print('ventas Amazon: %3.3f , ventas Apple incl. Online: %3.3f ' % (ventas_amazon['Sales'] ,ventas_apple_online['Sales'] ) ) if promedio_ventas <= float(ventas_amazon['Sales']) : print('Amazon tuvo ventas mayores o iguales al promedio en ventas') else: print('Amazon tuvo ventas menores al promedio de ventas') if promedio_ventas <= float(ventas_apple_online['Sales']): print('Apple incl. Online tuvo ventas mayores o iguales al promedio en ventas') else: print('Apple incl. Online tuvo ventas menores al promedio en ventas') if mediana_ventas <= float(ventas_amazon['Sales']): print('Amazon tuvo ventas mayores o iguales a la mediana en ventas') else: print('Amazon tuvo ventas menores a la mediana en ventas') if mediana_ventas <= float(ventas_apple_online['Sales']): print('Apple incl. Online tuvo ventas mayores o iguales a la mediana en ventas') else: print('Apple incl. Online tuvo ventas menores a la mediana en ventas')

stores_fisicas = df_stores_sorted[ (df_stores_sorted['Stores'] > 0) == True] stores_fisicas.head(30)

df_growth_sorted = stores_fisicas.sort_values('Store Count Growth', ascending=1) df_growth_sorted.head()

barplot_growth = sns.barplot(data=df_growth_sorted, x='Company', y = 'Store Count Growth') barplot_growth.set_xticklabels(barplot_growth.get_xticklabels(),rotation = 90, size = 10) barplot_growth.set_title('Empresas por crecimiento en tiendas')

menor_crecimiento = df_growth_sorted['Store Count Growth'].min() mayor_crecimiento = df_growth_sorted['Store Count Growth'].max() empresa_menor = df_growth_sorted[(df_growth_sorted['Store Count Growth'] == menor_crecimiento ) == True] empresa_mayor = df_growth_sorted[(df_growth_sorted['Store Count Growth'] == mayor_crecimiento ) == True] def valordato (dato): for key1 in dato.keys(): valor1 = dato[key1] return valor1 print('Empresa con menor crecimiento en tiendas = {0} , con valor de = {1}'.format( valordato(empresa_menor['Company']) ,menor_crecimiento) ) print('Empresa con mayor crecimiento en tiendas = {0} , con valor de = {1}'.format( valordato(empresa_mayor['Company']) ,mayor_crecimiento) )

df_sales_store_avg = df.sort_values('Sales/Avg. Store', ascending=1) df_sales_store_avg.head(25)

histograma_sales_store_avg = df_sales_store_avg['Sales/Avg. Store'].hist(bins=20)

boxplot_sales_store_avg = sns.boxplot(x='Sales/Avg. Store',hue= 'Company',data=df_sales_store_avg)

df_categorias_sorted.head()

categoria_moda = valordato(df_categorias_sorted['Category'].mode()) print('La categoría que más se repite o la moda, es: ' + categoria_moda)

df_compañia_categoria_moda = df_categorias_sorted[(df_categorias_sorted['Category']==categoria_moda ) == True] df_compañia_categoria_moda.head(10)

barplot_moda = sns.barplot(data=df_compañia_categoria_moda.sort_values('Sales', ascending=1), x = 'Company', y = 'Sales') barplot_moda.set_xticklabels(barplot_moda.get_xticklabels(),rotation = 90, size = 10) barplot_moda.set_title('Ventas por Categoria Moda "' + categoria_moda + '"')

boxplot_moda = sns.boxplot(x='Sales',hue= 'Company',data=df_compañia_categoria_moda) boxplot_moda.set_title ('Boxplot de Ventas por Empresas de Categoria "' + categoria_moda +'"') ventas_promedio_moda = df_compañia_categoria_moda['Sales'].mean() print('ventas promedio de la categoria "'+ categoria_moda+ '" = ' + str(ventas_promedio_moda) + " $USD")