MI PRIMER SCRIPT
1: Análisis de Ventas
algunos scripts en Python y R que
estén vinculados a las ciencias empresariales y a la ciencia de la estadística.
A continuación, proporcionaré ejemplos básicos para ambos lenguajes en
diferentes contextos:
USANDO Python:
Script 1: Análisis de Ventas
# Python Script para el análisis
de ventas
import pandas as pd
import matplotlib.pyplot as plt
# Cargar datos de ventas
datos_ventas = pd.read_csv('datos_ventas.csv')
# Analizar y visualizar las
ventas
total_ventas =
datos_ventas['Monto'].sum()
promedio_ventas =
datos_ventas['Monto'].mean()
# Visualización
plt.bar(datos_ventas['Mes'],
datos_ventas['Monto'])
plt.title('Ventas Mensuales')
plt.xlabel('Mes')
plt.ylabel('Monto de Ventas')
plt.show()
# Imprimir resultados
print(f'Total de ventas:
${total_ventas}')
print(f'Promedio de ventas:
${promedio_ventas}')
Script 2: Regresión Lineal para
Proyecciones
Python
# Python Script para regresión lineal y
proyecciones de ventas
from sklearn.linear_model import LinearRegression
import numpy as np
# Preparar datos
meses = np.array(range(1, 13)).reshape(-1, 1)
ventas = datos_ventas['Monto'].values.reshape(-1,
1)
# Crear modelo de regresión lineal
modelo = LinearRegression()
modelo.fit(meses, ventas)
# Hacer proyecciones para los próximos 6 meses
proyeccion_meses = np.array(range(13,
19)).reshape(-1, 1)
proyeccion_ventas =
modelo.predict(proyeccion_meses)
# Visualizar proyecciones
plt.scatter(meses, ventas, label='Ventas reales')
plt.plot(proyeccion_meses, proyeccion_ventas,
color='red', label='Proyecciones')
plt.title('Proyección de Ventas')
plt.xlabel('Mes')
plt.ylabel('Monto de Ventas')
plt.legend()
plt.show()
USANDO R:
Script 1: Análisis Descriptivo
# R Script para el análisis descriptivo de datos
# Cargar datos de ventas
datos_ventas <- read.csv('datos_ventas.csv')
# Resumen descriptivo
summary(datos_ventas$Monto)
# Histograma de ventas
hist(datos_ventas$Monto, main='Histograma de
Ventas', xlab='Monto de Ventas', col='lightblue')
# R Script para regresión lineal y proyecciones de
ventas
# Crear modelo de regresión lineal
modelo <- lm(Monto ~ Mes, data=datos_ventas)
# Resumen del modelo
summary(modelo)
# Hacer proyecciones para los próximos 6 meses
nuevos_meses <- data.frame(Mes=seq(13, 18))
proyeccion_ventas <- predict(modelo,
nuevos_meses, interval='prediction')
# Visualizar proyecciones
plot(datos_ventas$Mes, datos_ventas$Monto,
main='Proyección de Ventas', xlab='Mes', ylab='Monto de Ventas')
lines(nuevos_meses$Mes, proyeccion_ventas[,1],
col='red', lty=2, lw=2, add=TRUE)
lines(nuevos_meses$Mes, proyeccion_ventas[,2:3],
col='red', lty=2, lw=2, add=TRUE)
# R Script para regresión lineal y proyecciones de
ventas
# Crear modelo de regresión lineal
modelo <- lm(Monto ~ Mes, data=datos_ventas)
# Resumen del modelo
summary(modelo)
# Hacer proyecciones para los próximos 6 meses
nuevos_meses <- data.frame(Mes=seq(13, 18))
proyeccion_ventas <- predict(modelo,
nuevos_meses, interval='prediction')
# Visualizar proyecciones
plot(datos_ventas$Mes, datos_ventas$Monto,
main='Proyección de Ventas', xlab='Mes', ylab='Monto de Ventas')
lines(nuevos_meses$Mes, proyeccion_ventas[,1],
col='red', lty=2, lw=2, add=TRUE)
lines(nuevos_meses$Mes, proyeccion_ventas[,2:3],
col='red', lty=2, lw=2, add=TRUE)
Comentarios
Publicar un comentario