Generando visualizaciones con respecto a la localización

Promprt 1

Necesito que generes código en Python usando pandas y matplotlib (sin seaborn).

Contexto:
Ya tengo un dataframe llamado df_consolidado con estas columnas:
[ID_compra, fecha, horario, categoria, precio_unitario, cantidad, envio, metodo_pago, ID_cliente, edad, sexo_biologico, ciudad]

Además, existe la columna "region" en el dataset original de clientes, por lo que debes asegurarte de que esté disponible. Si no está en df_consolidado, debes recalcular el merge correctamente para incorporarla.

Tareas:

Crear una nueva columna llamada "facturacion" definida como:
facturacion = precio_unitario * cantidad + envio
Agrupar los datos por "region" y calcular la suma total de facturación por región.
Ordenar el resultado de mayor a menor facturación.
Crear un gráfico de barras (matplotlib) que muestre:
- Eje X: Región
- Eje Y: Facturación total
- Título: "Facturación total por región"
- Rotar etiquetas del eje X si es necesario
- No definir colores manualmente
- Un solo gráfico (no subplots)
Mostrar el gráfico.

Entrega solo código, organizado y comentado brevemente.

Prompt 2

Necesito que generes código en Python usando pandas y matplotlib (sin seaborn).

Contexto:
Tengo un dataframe llamado df_consolidado con estas columnas:
[ID_compra, fecha, horario, categoria, precio_unitario, cantidad, envio, metodo_pago, ID_cliente, edad, sexo_biologico, ciudad]

Además, el dataset incluye la columna "estado".

Objetivo:
Zoop quiere analizar el perfil del público en los estados de:

México
Puebla

Tareas:

Filtrar el dataframe para incluir únicamente los estados "México" y "Puebla".
Agrupar los datos por:
- estado
- sexo_biologico
Calcular el conteo de clientes por grupo.
Transformar los datos en formato adecuado para crear un gráfico de barras apiladas.
Crear un gráfico de barras apiladas que muestre:
- Eje X: Estado
- Eje Y: Cantidad de clientes
- Segmentos apilados: Sexo biológico
- Título: "Composición del público por sexo biológico (México y Puebla)"
- No definir colores manualmente
- Un solo gráfico
Mostrar el gráfico.

Entrega solo código organizado y comentado brevemente.

Gráfico 1

Ingrese aquí la descripción de esta imagen para ayudar con la accesibilidad

Gráfico 2

Ingrese aquí la descripción de esta imagen para ayudar con la accesibilidad

import pandas as pd import matplotlib.pyplot as plt # Asegúrate de que la columna 'region' esté disponible if 'region' not in df_consolidado.columns: df_clientes = pd.read_csv('ruta/del/dataset_clientes.csv') # Cambia la ruta según corresponda df_consolidado = df_consolidado.merge(df_clientes[['ID_cliente', 'region']], on='ID_cliente', how='left') # 1. Crear la columna 'facturacion' df_consolidado['facturacion'] = df_consolidado['precio_unitario'] * df_consolidado['cantidad'] + df_consolidado['envio'] # 2. Agrupar y calcular la suma total de facturación por región facturacion_por_region = df_consolidado.groupby('region')['facturacion'].sum() # 3. Ordenar de mayor a menor facturación facturacion_por_region = facturacion_por_region.sort_values(ascending=False) # 4. Crear el gráfico de barras plt.figure(figsize=(10, 6)) facturacion_por_region.plot(kind='bar') plt.title('Facturación total por región') plt.xlabel('Región') plt.ylabel('Facturación total') plt.xticks(rotation=45) plt.tight_layout() # 5. Mostrar el gráfico plt.show()

import pandas as pd import matplotlib.pyplot as plt # 1. Filtrar el dataframe para incluir solo los estados "México" y "Puebla" df_filtrado = df_consolidado[df_consolidado['estado'].isin(['México', 'Puebla'])] # 2. Agrupar los datos por estado y sexo_biologico conteo_por_grupo = df_filtrado.groupby(['estado', 'sexo_biologico']).size().unstack() # 3 y 4. Transformar los datos para el gráfico de barras apiladas # (ya está en el formato adecuado después de unstack) # 5. Crear el gráfico de barras apiladas conteo_por_grupo.plot(kind='bar', stacked=True, figsize=(10, 6)) plt.title('Composición del público por sexo biológico (México y Puebla)') plt.xlabel('Estado') plt.ylabel('Cantidad de clientes') plt.tight_layout() # 6. Mostrar el gráfico plt.show()

Prompt 1

Prompt 2

Trilhas por carreira

Carreiras de IA

Carreiras de Dados

Carreiras de Cyber

Carreiras de DevOps & Cloud

Carreiras de UX & UI

Carreiras de Mobile & Front-End

Carreiras de Back-End

Carreiras de Negócios

Cursos universitários FIAP