Demo
Vamos a continuar con el Post anterior llamado Como hacer Análisis a los productos de una Tienda de Postres mediante Data Science – Parte 14 en donde hicimos análisis a los Datos de Bebidas Consumidas según el Horario de la tienda, específicamente las Ventas de Bebidas por la Tarde (12 PM – 6 PM), en este Post continuaremos analizando los siguientes datos pendientes pero del horario de la Noche (6 PM – 11 PM), vamos con ello.
Partes
Antes de continuar con este Post te recomiendo leer los siguientes artículos:
- Que es la Ciencia de Datos (Data Science)
- Errores que impiden hacer uso de las mejores prácticas de la Ciencia de Datos (Data Science)
- Como usar el Lenguaje de Programación R en Jupyter Notebook
Asimismo te invito a escuchar el Podcast: “Donde buscar ayuda sobre Programación”:
Spotify:
Sound Cloud:
Bien ahora continuemos con el Post: Como hacer Análisis a los productos de una Tienda de Postres mediante Data Science – Parte 15.
Los datos que analizaré en esta Parte 15, son los Datos de Bebidas Consumidas según el Horario de la tienda, específicamente las Ventas de Bebidas por la Noche (6PM – 11PM).
Como en otras partes, para mantener un orden de mis consultas voy a crear un nuevo archivo, para esto dentro de Jupyter voy a File > New Notebook > Python 3
Una vez creado el nuevo Documento, en el analizaré las Ventas de Bebidas por la Noche (6 PM – 11 PM).
Datos de Bebidas Consumidas según el Horario de la tienda: Ventas de Bebidas por la Noche (6 PM – 11 PM)
Lo primero que haré es importar la librería pandas y le asigno el nombre de variable pd
|
1 2 3 4 |
import pandas import pandas as pd |
Paso seguido creo una variable con el nombre ventas y en su interior hago la lectura del archivo ventas.json en donde se encuentran todas las ventas realizadas durante el día en la Tienda de Postres. Además crearé una variable llamada datos y dentro de ella defino las columnas para mi tabla en donde mostraré las ventas realizadas por la Noche, estas columnas son id, producto, categoria, cliente, dni, fnacimientocliente, precio, img, created_at y updated_at
|
1 2 3 4 5 6 7 8 9 |
ventas = pandas.read_json("ventas.json", orient="split", encoding="utf-8") datos = pd.DataFrame( ventas, columns = ['id', 'producto', 'categoria', 'cliente', 'dni', 'fnacimientocliente', 'precio', 'img', 'created_at', 'updated_at']) datos |
Nota: El archivo ventas.json lo exporte en la Parte 5 de este tutorial.
Para mi consulta haré uso de la columna categoria del archivo ventas.json, ya que necesito saber la categoría a la cual pertenece un producto.
Bueno con el código anterior voy a imprimir una Tabla con todas las ventas realizadas en la Tienda de Postres, para esto presiono el botón Run y obtengo la Tabla con las columnas que especifique en la variable datos
Ahora voy a obtener las ventas realizadas en el horario de la noche voy usar la columna de tipo fecha o timestamp llamada created_at esta contiene la hora, fecha, minuto, segundos y milisegundos de una venta realizada.
|
1 2 3 |
datos['created_at'] = pd.to_datetime(datos['created_at']) |
Voy a declarar 3 variables, una llamada hi (Hora inicial), otra llamada hf (Hora final) y categoria (Categoría del producto).
Luego dentro de la variable hi colocaré el valor de las 18 PM (18:00:00.000000) y en la variable hf colocaré el valor 23 PM (23:00:00.000000), las horas las especifico en formato de 24 horas, en la variable categoria coloco el valor bebida, ya que es la categoría de productos que quiero analizar.
|
1 2 3 4 5 |
hi = '2019-09-16 18:00:00.000000' hf = '2019-09-16 23:00:00.000000' categoria = 'bebida' |
Nota: Las ventas que estoy analizando en todo el Tutorial se realizaron el día 16-09-2019
Como deseo leer las ventas realizadas de los productos de la categoría bebidas, voy a usar la columna categoria, esta columna contiene el nombre de la categoría de un producto.
|
1 2 3 |
datos['categoria'] = datos[['categoria']] |
Ahora creo una variable con el nombre filtrar y dentro de ella hago uso de operadores lógicos en Python para filtrar las ventas realizadas desde las 18 PM hasta las 23 PM, para esto paso las variables hi y hf que contienen los rangos de horarios a analizar y al final la variable categoria.
Consulto si la columna created_at es mayor o igual a la Hora inicial (hi) y si la columna created_at es menor o igual a la Hora final (hf), y al final consulto si la columna categoria es igual al valor bebida, el cual asigne a la variable categoria
|
1 2 3 |
filtrar = (datos['created_at'] >= hi) & (datos['created_at'] <= hf) & (datos['categoria']== categoria) |
Paso seguido defino una variable llamada resultado y en su interior obtendré las ventas filtradas haciendo uso del método .loc al cual le paso la variable filtrar
|
1 2 3 4 |
resultado = datos.loc[filtrar] resultado |
Presiono el botón Run y obtengo una tabla con las ventas realizadas de 6 PM a 23 PM, es decir en el Turno Noche de los productos correspondientes a la categoría bebidas.
Puedes ver en la imagen anterior que obtuve solo algunas bebidas, es una cantidad menor a otras consultas anteriores, esto es porque seleccione solos productos pertenecientes a la categoría bebida.
Ahora los datos de la tabla con las ventas realizadas en la Noche pertenecientes a la categoría bebida los voy a mostrar en un gráfico Plot, para esto importo la librería matplotlib.pyplot y le doy el nombre de variable plot
Luego defino el ancho y alto 20, 11 del gráfico, estas medidas son en pulgadas.
|
1 2 3 4 |
import matplotlib.pyplot as plot plot.rcParams["figure.figsize"] = 20,11 # ancho: 20 , alto: 11 |
Paso seguido le paso la variable resultado la cual había creado anteriormente y le indico que imprima las columnas producto y created_at
|
1 2 3 |
resultado.plot(x="producto", y="created_at") |
Hago clic en el botón Run y se me imprime un gráfico Plot con las ventas realizadas de 6 PM a 23 PM pertenecientes a la categoría bebida.
Te compartiré el código completo a continuación
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 |
import pandas import pandas as pd # Lectura del archivo ventas.json ventas = pandas.read_json("ventas.json", orient="split", encoding="utf-8") datos = pd.DataFrame( ventas, columns = ['id', 'producto', 'cliente', 'dni', 'fnacimientocliente', 'precio', 'img', 'created_at', 'updated_at']) datos # Obtener Ventas realizas de 6PM a 23PM datos['created_at'] = pd.to_datetime(datos['created_at']) hi = '2019-09-16 18:00:00.000000' hf = '2019-09-16 23:00:00.000000' categoria = 'bebida' # Obtener los productos pertenecientes a la categoría 'bebida' datos['categoria'] = datos[['categoria']] filtrar = (datos['created_at'] >= hi) & (datos['created_at'] <= hf) & (datos['categoria']== categoria) resultado = datos.loc[filtrar] resultado # Crear un Gráfico Básico (Plot) con los datos Filtrados import matplotlib.pyplot as plot plot.rcParams["figure.figsize"] = 20,11 # ancho: 20 , alto: 11 resultado.plot(x="producto", y="created_at") |
Bueno en este Post hemos realizado el análisis de todas las ventas realizadas durante la noche (6PM – 23PM), pertenecientes a la categoría bebida.
Con esto hemos terminado de analizar todos los datos que especifique o mencioné en la Parte 2 de este tutorial.
Ten Paciencia, lo que quiero es que entiendas todo el proceso de como funciona la Ciencia de Datos (Data Science) en una caso similar a la realidad.
Nota (s)
- En la siguiente parte, realizaremos los reportes de todos los datos obtenidos.
- No olvides que debemos usar la Tecnología para hacer cosas Buenas por el Mundo.
Síguenos en nuestras Redes Sociales para que no te pierdas nuestros próximos contenidos.