Durante la clase, aprendimos a manejar muchos datos en una tabla mediante la fijación de columnas con el método set_sticky. Vamos a enfrentar muchos datos en este desafío para poder fijar el contenido aprendido.
Nuestro desafío ahora es proporcionar una visualización que permita mostrar el tiempo medio de entrega de pedidos durante los meses de los años 2013 a 2015 por cada país. Esto permitirá analizar el rendimiento del departamento de transporte de la empresa durante esos años y trazar un plan de mejoras.
Recuerda que, para continuar con el desafío, estamos trabajando con el conjunto de datos tienda_libros.csv. El diccionario de datos que describe este conjunto está disponible en el desafío de la clase 1.
import pandas as pd
df = pd.read_csv('/content/tienda_libros.csv')
df['fecha_pedido'] = pd.to_datetime(df['fecha_pedido'])
df['fecha_llegada'] = pd.to_datetime(df['fecha_llegada'])
# Cálculo del tiempo de entrega en días
df['tiempo_entrega'] = (df['fecha_llegada'] - df['fecha_pedido']).dt.days
# Filtramos años 2013 a 2015
df_filtrado = df[df['fecha_pedido'].dt.year.isin([2013, 2014, 2015])].copy()
df_filtrado['Año'] = df_filtrado['fecha_pedido'].dt.year
df_filtrado['Mes'] = df_filtrado['fecha_pedido'].dt.month
tabla_entregas = df_filtrado.pivot_table(
index='pais',
columns=['Año', 'Mes'],
values='tiempo_entrega',
aggfunc='mean'
)
# aplicamos estilo
estilo_logistica = tabla_entregas.style\
.format('{:.1f} d')\
.background_gradient(cmap='RdYlGn_r', axis=None)\
.set_sticky(axis=1) \
.set_sticky(axis=0) \
.set_caption("Rendimiento Logístico: Tiempos de Entrega por País (2013-2015)")\
.set_table_styles([
{'selector': 'th', 'props': [('background-color', '#34495E'), ('color', 'white'), ('text-align', 'center')]},
{'selector': 'caption', 'props': [('font-size', '16px'), ('font-weight', 'bold')]}
])
estilo_logistica
