Prompt 1
Genera código en Python usando pandas y matplotlib (sin seaborn) para refinar el gráfico de “Facturación total por región” SOLO para el año 2023.
Contexto:
- Ya existe un dataframe llamado df_consolidado.
- Ya existen variables de color definidas en el notebook: GRIS_1, GRIS_5, GRIS_3, AZUL_1, AQUA_1, AQUA_3, BLANCO (NO las redefinas).
- La facturación se calcula como: facturacion = precio_unitario * cantidad + envio
- El dataframe debe tener la columna "region". Si no existe en df_consolidado, incorpórala haciendo merge con clientes_zoop.csv usando la llave ID_compra (sin cambiar el resto del dataframe).
- La columna "fecha" está en formato datetime o puede convertirse a datetime si fuera necesario.
Tareas:
- Asegura que df_consolidado["fecha"] sea datetime y filtra SOLO registros del año 2023.
- Crea la columna "facturacion" con la fórmula indicada.
- Agrupa por "region" y suma la facturación, ordenando de mayor a menor.
- Crea un gráfico de barras con:
- Tamaño de figura (16, 9)
- Fondo de la figura y del área del gráfico en GRIS_1
- Barras en color AQUA_1 (opcional: si quieres destacar la región top, esa barra en AQUA_3)
- Título: tamaño 18 y color GRIS_5
- Etiquetas y rótulos (x e y): tamaño 12 y color AZUL_1
- Quita la mayor cantidad de bordes posible (spines superior y derecho, idealmente también el izquierdo si no afecta legibilidad)
- Formatea el eje Y para que muestre valores en millones (por ejemplo 12.3M).
- Añade etiquetas de datos encima de cada barra también en millones, con color AZUL_1 y tamaño 12.
- No redefinas colores ni cambies nombres de variables de paleta. Entrega solo código final listo para ejecutar.
**Prompt 2 **
Genera código en Python usando pandas y matplotlib (sin seaborn) para refinar el gráfico de proporción de clientes pre-registrados en Zoop Pay.
Contexto:
- Ya existe un dataframe llamado df_consolidado.
- Ya existen variables de color definidas en el notebook: GRIS_1, GRIS_5, GRIS_3, AZUL_1, AQUA_1, AQUA_3, BLANCO (NO las redefinas).
- La columna "cashback" indica si el cliente está pre-registrado ("Sí"/"No"). Si "cashback" no existe en df_consolidado, incorpórala haciendo merge con clientes_zoop.csv usando la llave ID_compra.
- Debes trabajar con clientes únicos (ID_cliente) para el cálculo.
Tareas:
- Asegura que exista "cashback" en df_consolidado (merge si falta).
- Calcula el porcentaje de clientes únicos (ID_cliente) que están en "Sí" y en "No".
- Crea un gráfico tipo rosca (donut) con:
- Tamaño de figura (6, 6)
- Fondo de la figura y del área del gráfico en GRIS_1
- Colores: AZUL_1 para "Sí" y GRIS_3 para "No"
- Título: tamaño 18 y color GRIS_5
- Sin explosiones (explode = 0) ni sombras ni efectos
- Ancho de la rosca = 0.4
- Porcentajes ubicados a distancia 0.8 del centro (pctdistance=0.8)
- Etiquetas:
- Etiquetas ("Sí", "No") con tamaño 12 y color igual al de su porción (AZUL_1 o GRIS_3)
- Porcentajes con tamaño 12, en negrita y color BLANCO
- Entrega solo el código final listo para ejecutar, sin redefinir los colores del notebook.
Gráfico 1
Gráfico 2
