Perfil de los clientes

Prompt 1

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

Contexto:
Tengo un dataframe llamado df_consolidado que incluye información de clientes y compras.
Además, el dataset original de clientes incluye una columna llamada "cashback", que indica si el cliente está pre-registrado en Zoop Pay ("Sí" o "No").

Si la columna "cashback" no está en df_consolidado, debes recalcular el merge con el dataset de clientes para incorporarla usando la llave ID_compra.

Tareas:

Asegurarte de que la columna "cashback" esté disponible en df_consolidado.
Calcular el porcentaje de clientes únicos (ID_cliente) que:
- Están pre-registrados ("Sí")
- No están pre-registrados ("No")
Crear un gráfico circular (pie chart) que muestre:
- Proporción de clientes pre-registrados vs no pre-registrados
- Título: "Proporción de clientes pre-registrados en Zoop Pay"
- Mostrar porcentaje en el gráfico
- No definir colores manualmente
- Un solo gráfico
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 que contiene:

edad
region
ID_cliente

Objetivo:
Zoop quiere visualizar la distribución de edades de sus clientes por región para entender el perfil demográfico en distintas localidades.

Tareas:

Verificar que la columna "region" esté disponible en df_consolidado.
- Si no está, recalcular el merge con el dataset de clientes usando ID_compra para incorporarla.
Trabajar únicamente con clientes únicos (ID_cliente) para evitar duplicaciones por múltiples compras.
Crear un gráfico que muestre la distribución de edades por región.
- Usar histogramas superpuestos (uno por región)
- Incluir leyenda con nombre de cada región
- Título: "Distribución de edades por región"
- Eje X: Edad
- Eje Y: Frecuencia
- 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 "cashback" esté en df_consolidado if 'cashback' not in df_consolidado.columns: df_consolidado = df_consolidado.merge(clientes_df[['ID_compra', 'cashback']], on='ID_compra', how='left') # Calcular el porcentaje de clientes únicos pre-registrados y no pre-registrados clientes_unicos = df_consolidado.drop_duplicates(subset='ID_cliente') porcentaje_cashback = clientes_unicos['cashback'].value_counts(normalize=True) * 100 # Crear gráfico circular plt.figure(figsize=(8, 8)) plt.pie(porcentaje_cashback, labels=porcentaje_cashback.index, autopct='%1.1f%%') plt.title("Proporción de clientes pre-registrados en Zoop Pay") plt.show()

import pandas as pd import matplotlib.pyplot as plt # Asegúrate de que la columna "region" esté en df_consolidado if 'region' not in df_consolidado.columns: df_consolidado = df_consolidado.merge(clientes_df[['ID_compra', 'region']], on='ID_compra', how='left') # Trabajar solo con clientes únicos clientes_unicos = df_consolidado.drop_duplicates(subset='ID_cliente') # Crear gráfico de distribución de edades por región plt.figure(figsize=(12, 6)) for region in clientes_unicos['region'].unique(): subset = clientes_unicos[clientes_unicos['region'] == region] plt.hist(subset['edad'], bins=20, alpha=0.5, label=str(region)) plt.title("Distribución de edades por región") plt.xlabel("Edad") plt.ylabel("Frecuencia") plt.legend(title="Región") 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