Análisis de los 25 retailers más grandes de Estados Unidos

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

df = pd.read_csv('/work/largest_us_retailers.csv') df

Companyobject

Walmart US4%

Kroger4%

23 others92%

Salesint64

16592 - 658119

Sam's Club

56828

Apple incl. Online

37664

Best Buy

34980

Publix

34408

Rite Aid

27486

Ahold

26903

Macy's

26028

TJX

25012

Aldi

24402

Dollar General

22234

I. Preguntas del negocio

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

Companyobject

Walmart US4%

Kroger4%

23 others92%

Salesint64

16592 - 658119

Walmart US

658119

Kroger

115037

Costco

90048

Home Depot

83976

Walgreen Boots

78924

CVS incl. Target

77792

Amazon

71687

Target

71208

Lowe's

60311

Albertsons

56829

sns.set(style='dark', palette='deep', font='verdana', font_scale=1) x = df_sorted['Company'][0:5] y = df_sorted['Sales'][0:5] sns.barplot(x, y) plt.title('Top 5 retailers') plt.xlabel('Company') plt.ylabel('Sales') plt.xticks(rotation= 45) plt.show()

/shared-libs/python3.7/py/lib/python3.7/site-packages/seaborn/_decorators.py:43: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  FutureWarning
findfont: Font family ['verdana'] not found. Falling back to DejaVu Sans.
findfont: Font family ['verdana'] not found. Falling back to DejaVu Sans.

Después de ordenar el dataset por ventas de mayor a menor y realizar su respectivo gráfico, podemos concluir que la compañía dominante es Walmart.

Para calcular el promedio de ventas del resto de las compañías (sin tener en cuenta a Walmart) utilizamos la técnica de slicing para agrupar únicamente de la fila 1 a la 24 y a esto le aplicamos el método mean(). También realizaremos un gráfico de barras para visualizar como es el escenario sin incluir Walmart.

sns.set(style='dark', palette='deep', font='verdana', font_scale=1) x = df['Company'][1:24] y = df['Sales'][1:24] sns.barplot(x, y) plt.title('Ventas sin Walmart') plt.xlabel('Company') plt.ylabel('Sales') plt.xticks(rotation='vertical') plt.show()

/shared-libs/python3.7/py/lib/python3.7/site-packages/seaborn/_decorators.py:43: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  FutureWarning

Sin incluir Walmart podemos observar que el nivel de ventas tiende a ser más parejo y es más razonable calcular un promedio de las mismas.

promedio_ventas_sin_walmart = df['Sales'][1:24].mean() print(promedio_ventas_sin_walmart)

47907.217391304344

Este análisis lo realizaremos dibujando un histograma de frecuencias ya que este tipo de gráfico nos ayudará a visualizar como se distribuyen los datos. En este caso tomaremos como variables las ventas y el número de compañías.

sns.set(style='dark', palette='deep', font='verdana', font_scale=1) sns.histplot(df['Sales']) plt.title('Distribución Ventas') plt.show

Al igual que el punto anterior dibujaremos un histograma de frecuencias. Tomaremos como variables el número de tiendas y el número de compañías.

sns.set(style='dark', palette='deep', font='verdana', font_scale=1) sns.histplot(df['Stores']) plt.title('Distribución Tiendas') plt.show

sns.scatterplot(data=df, x = 'Stores', y ='Sales') plt.title("Relación ebtre cantidad de Tiendas y Ventas") plt.show

sns.scatterplot(data=df[1:24], x = 'Stores', y ='Sales') plt.title("Relación ebtre cantidad de Tiendas y Ventas") plt.show

Para identificar el rango que existe entre las ventas primero hallaremos el valor máximo y mínimo así:

max_val = df['Sales'].max() min_val = df['Sales'].min() print(max_val, min_val )

658119 16592

Finalmente el rango lo calculamos mediante la diferencia entre el valor máximo y el valor mínimo.

rango = max_val - min_val print(rango)

Podemos concluir que las ventas estuvieron entre 16952 (USD Millones) y 658119 ( USD Millones) teniendo un rango de 641527 ( USD Millones).

df_sorted2 = df.sort_values('Stores', ascending=0) df_sorted2

Companyobject

Dollar Tree4%

Dollar General4%

23 others92%

Salesint64

16592 - 658119

Dollar Tree

21464

Dollar General

22234

CVS incl. Target

77792

Walgreen Boots

78924

Walmart US

658119

Rite Aid

27486

Kroger

115037

TJX

25012

Albertsons

56829

Aldi

24402

sns.set(style='dark', palette='deep', font='verdana', font_scale=1) x = df_sorted2['Company'][0:5] y = df_sorted2['Stores'][0:5] sns.barplot(x, y) plt.title('Top 5 retailers con más tiendas físicas') plt.xlabel('Company') plt.ylabel('Stores') plt.xticks(rotation=45) plt.show()

/shared-libs/python3.7/py/lib/python3.7/site-packages/seaborn/_decorators.py:43: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  FutureWarning

sns.set(style='dark', palette='deep', font='verdana', font_scale=1) x = df['Company'][0:5] y = df['Sales'][0:5] sns.barplot(x, y) plt.title('Top 5 retailers con más ventas') plt.xlabel('Company') plt.ylabel('Sales') plt.xticks(rotation=45) plt.show()

/shared-libs/python3.7/py/lib/python3.7/site-packages/seaborn/_decorators.py:43: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  FutureWarning

df2 = df[['Company', 'Category', 'Sales']] df2

Companyobject

Walmart US4%

Kroger4%

23 others92%

Categoryobject

Grocery28%

10 others68%

Missing4%

Sam's Club

Warehouse Clubs

Apple incl. Online

nan

Best Buy

Electronics

Publix

Grocery

Rite Aid

Drug Stores

Ahold

Grocery

Macy's

Department Stores

TJX

Apparel

Aldi

Grocery

Dollar General

Dollar Stores

df3 = df2.groupby('Category')['Sales'].agg([sum]).reset_index() df3_sorted = df3.sort_values('sum', ascending=0) df3_sorted

Categoryobject

Supercenters9.1%

Grocery9.1%

9 others81.8%

sumint64

25012 - 745919

Supercenters

745919

Grocery

297164

Drug Stores

184202

Home Improvement

144287

Warehouse Club

90048

Electronic/Mail Order

71687

Warehouse Clubs

56828

Department Stores

45088

Dollar Stores

43698

Electronics

34980

Apparel

25012

sns.set(style='dark', palette='deep', font='verdana', font_scale=1) x = df3_sorted['Category'] y = df3_sorted['sum'] sns.barplot(x, y) plt.title('Ventas por categoría') plt.xlabel('Category') plt.ylabel('Sales') plt.xticks(rotation='vertical') plt.show()

/shared-libs/python3.7/py/lib/python3.7/site-packages/seaborn/_decorators.py:43: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  FutureWarning

df5 = df[['Company', 'Sales', 'Stores', 'Sales/Avg. Store']] df4_sorted = df5.sort_values('Sales/Avg. Store', ascending=0) df4_sorted

Companyobject

Costco4%

Sam's Club4%

23 others92%

Salesint64

16592 - 658119

Costco

90048

Sam's Club

56828

Meijer

16592

HEB

21384

Walmart US

658119

Home Depot

83976

Target

71208

Ahold

26903

Lowe's

60311

Macy's

26028

sns.set(style='dark', palette='deep', font='verdana', font_scale=1) x = df4_sorted['Company'][0:5] y = df4_sorted['Sales/Avg. Store'][0:5] sns.barplot(x, y) plt.title('Top 5 retailers con mayor promedio en ventas por tienda') plt.xlabel('Company') plt.ylabel('Sales/Avg. Store') plt.xticks(rotation=45) plt.show()

/shared-libs/python3.7/py/lib/python3.7/site-packages/seaborn/_decorators.py:43: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  FutureWarning

df6 = df[['Company','Sales','Stores']].fillna('Online') df6

Companyobject

Walmart US4%

Kroger4%

23 others92%

Salesint64

16592 - 658119

Walmart US

658119

Kroger

115037

Costco

90048

Home Depot

83976

Walgreen Boots

78924

CVS incl. Target

77792

Amazon

71687

Target

71208

Lowe's

60311

Albertsons

56829

tiendas_online = df6['Stores'] == 'Online'

df6[tiendas_online]

Companyobject

Salesint64

Amazon

71687

Apple incl. Online

37664

sns.histplot(df['Category']) plt.title('Distribución Retailers por Categoría') plt.xticks(rotation='vertical') plt.show()