Como hacer Ciencia de Datos (Data Science) a los productos de una Tienda de Postres – Parte 9

4 minuto(s)

En esta página:

Demo

En este Post continuaré con el Capitulo Anterior Como hacer Análisis a los productos de una Tienda de Postres mediante Data Science – Parte 8 en donde realizamos Análisis de Datos de las Ventas Generales por la Tarde (12PM – 6PM) y creamos un sencillo Gráfico o Plot para visualizar estos datos, en este Post continuare con el Análisis de los siguientes datos, vamos con este Post.

Partes

Parte 16
Parte 17
Parte 18
Parte 19 (Final – Código Fuente GitHub)

En el Capitulo 2 de este Tutorial, especifique los Datos que voy Analizar e inicié con los Datos Ventas Generales del Turno Mañana y Tarde, ahora toca analizar las ventas realizadas por la noche en la Tienda de Postres, vamos con ello.

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

Con esto ya tengo listo un nuevo Documento para iniciar el análisis de las Ventas realizadas por la Noche.

Datos Ventas Generales: Ventas Generales por la Noche 6 PM – 11 PM

Importare la librería pandas y le asigno el nombre de variable pd


import pandas
import pandas as pd

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 indico las columnas para mi tabla en donde mostraré las ventas realizadas por la Noche, estas columnas son id, producto, cliente, dni, fnacimientocliente, precio, img, created_at y updated_at


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

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

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

Para obtener las ventas realizadas en el horario de 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.


datos['created_at'] = pd.to_datetime(datos['created_at'])

datos['created_at'] = pd.to_datetime(datos['created_at'])

Voy a declarar 2 variables, una llamada hi (Hora inicial) y otra llamada hf (Hora final).

La variable hi va contener el valor de las 6 PM (18:00:00.000000) y la variable hf contendrá el valor 11 PM (23:00:00.000000), las horas las especifico en formato de 24 horas


hi = '2019-09-16 18:00:00.000000'
hf = '2019-09-16 23:00:00.000000'

hi = '2019-09-16 18:00:00.000000'

hf = '2019-09-16 23:00:00.000000'

Nota: Las ventas que estoy analizando en todo el Tutorial se realizaron el día 16-09-2019

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 6PM hasta las 11PM, para esto paso las variables hi y hf que contienen los rangos de horarios a analizar.

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)


filtrar = (datos['created_at'] >= hi) & (datos['created_at'] <= hf)

filtrar = (datos['created_at'] >= hi) & (datos['created_at'] <= hf)

Paso seguido voy a crear una variable llamada resultado y en su interior obtendré las ventas filtradas haciendo uso del método .loc al cual le paso la variable filtrar


resultado = datos.loc[filtrar]
resultado

resultado = datos.loc[filtrar]

resultado

Ahora presiono el botón Run y obtengo una tabla con las ventas realizadas de 6 PM a 11 PM, es decir en el Turno Noche

Bueno ahora los datos de la tabla con las ventas realizadas en la Noche los voy a mostrar en un gráfico Plot, para esto importo la librería matplotlib.pyplot y le doy el nombre de variable plot

Luego le especifico el ancho y alto 20, 11 del gráfico, estas medidas son en pulgadas


import matplotlib.pyplot as plot
plot.rcParams["figure.figsize"] = 20,11 # ancho: 20 , alto: 11

import matplotlib.pyplot as plot

plot.rcParams["figure.figsize"] = 20,11 # ancho: 20 , alto: 11

Paso la variable resultado la cual había creado anteriormente y le indico que imprima las columnas producto y created_at


resultado.plot(x="producto", y="created_at")

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 11 PM

Ahora dejare el código completo


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 11PM
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'

filtrar = (datos['created_at'] >= hi) & (datos['created_at'] <= hf)

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")

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 11PM

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'

filtrar = (datos['created_at'] >= hi) & (datos['created_at'] <= hf)

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")

Hasta aquí he terminado con el análisis de todas las ventas realizadas durante la mañana, tarde y noche en la Tienda de Postres, los resultados son de las ventas generales, es decir incluyen la venta de todos los productos en stock.

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 el siguiente capitulo terminare con el análisis de los Demás Datos pendientes.
Más adelante usaré herramientas de Visualización de Datos más especializadas en el área.

Síguenos en nuestras Redes Sociales para que no te pierdas nuestros próximos contenidos.