https://colab.research.google.com/drive/1LPM4nJl3Lsfa9N5D9VMP5ulCsLCfBfGT?usp=sharing
Hola Estudiante, ¡espero que estés disfrutando del curso!
Para abordar el desafío que mencionas, te recomiendo que utilices la biblioteca Pandas para cargar y manipular los datos del archivo tienda_libros.csv. Aquí te dejo una guía paso a paso sobre cómo podrías proceder:
Carga de Datos: Primero, asegúrate de cargar el archivo CSV en un DataFrame de Pandas. Puedes hacerlo con el siguiente código:
import pandas as pd
# Cargar el archivo CSV en un DataFrame
df = pd.read_csv('https://gist.githubusercontent.com/ahcamachod/52da15c2bbb31e4270b5c267dd051473/raw/62c366878ebd4be2ec899836413c8d1f3e116c01/tienda_libros.csv')
Agrupación de Datos: Para identificar qué países han solicitado más productos, puedes agrupar los datos por la columna pais y sumar las unidades para cada país:
# Agrupar por país y sumar las unidades
pedidos_por_pais = df.groupby('pais')['unidades'].sum().reset_index()
Ordenar los Resultados: Ordena los resultados de forma descendente para ver qué países han solicitado más productos:
# Ordenar por número de unidades en orden descendente
pedidos_por_pais = pedidos_por_pais.sort_values(by='unidades', ascending=False)
Visualización: Finalmente, puedes utilizar una biblioteca de visualización como Matplotlib o Seaborn para crear un gráfico de barras que muestre los resultados:
import matplotlib.pyplot as plt
# Crear un gráfico de barras
plt.figure(figsize=(10, 6))
plt.bar(pedidos_por_pais['pais'], pedidos_por_pais['unidades'])
plt.xlabel('País')
plt.ylabel('Unidades Solicitadas')
plt.title('Unidades Solicitadas por País')
plt.xticks(rotation=45)
plt.show()
Este enfoque te permitirá visualizar de manera clara qué países han solicitado más productos, lo cual es útil para el análisis de distribución y logística. Espero que esta guía te sea útil y puedas avanzar con tu práctica.
¡Espero haber ayudado y buenos estudios!