R - de Cero a Profesional

Proyecto final

Sintaxis básica

El objetivo del proyecto final es aplicar todo lo aprendido en el curso para analizar un conjunto de datos de ventas. Utilizaremos técnicas de importación de datos, limpieza y preparación, análisis descriptivo, visualización de datos y modelos de regresión para obtener información valiosa y realizar predicciones. Este proyecto integrará diversas habilidades y herramientas que hemos cubierto a lo largo del curso.

Paso 1: Importación de Datos

Importaremos los datos de ventas desde un archivo CSV.

Código:

				
					# Cargar paquetes necesarios
library(readr)
library(dplyr)
library(tidyr)
library(ggplot2)

# Importar datos desde un archivo CSV
datos_ventas <- read_csv("ruta/al/archivo_ventas.csv")

Paso 2: Limpieza y Preparación de Datos

Limpiaremos los datos eliminando filas con valores nulos, rellenando valores faltantes, corrigiendo errores de formato y creando nuevas variables.

Código:

				
					# Eliminar filas con valores nulos
datos_ventas <- datos_ventas %>%
  drop_na()

# Rellenar valores nulos con la media o un valor específico
datos_ventas <- datos_ventas %>%
  mutate(
    producto = replace_na(producto, "Desconocido"),
    ventas = replace_na(ventas, mean(ventas, na.rm = TRUE)),
    fecha = as.Date(fecha, format = "%Y-%m-%d")
  )

# Convertir nombres de productos a mayúsculas
datos_ventas <- datos_ventas %>%
  mutate(producto = toupper(producto))

# Crear una nueva variable para el año de la venta
datos_ventas <- datos_ventas %>%
  mutate(año = format(fecha, "%Y"))

Paso 3: Análisis Descriptivo

Realizaremos un análisis descriptivo de las ventas, calculando medidas de tendencia central y dispersión.

Código:

				
					# Calcular medidas descriptivas
medidas_descriptivas <- datos_ventas %>%
  summarise(
    media_ventas = mean(ventas),
    mediana_ventas = median(ventas),
    desviacion_ventas = sd(ventas),
    total_ventas = sum(ventas)
  )

print(medidas_descriptivas)

Paso 4: Visualización de Datos

Crearemos gráficos para visualizar las tendencias de ventas y la distribución de las ventas por producto y año.

Código:

				
					# Gráfico de dispersión de ventas por fecha
ggplot(datos_ventas, aes(x = fecha, y = ventas)) +
  geom_point() +
  geom_smooth(method = "lm", col = "red") +
  labs(title = "Ventas por Fecha", x = "Fecha", y = "Ventas")

# Gráfico de barras de ventas por producto
ggplot(datos_ventas, aes(x = producto, y = ventas)) +
  geom_bar(stat = "identity") +
  labs(title = "Ventas por Producto", x = "Producto", y = "Ventas") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Gráfico de líneas de ventas por año
ventas_por_año <- datos_ventas %>%
  group_by(año) %>%
  summarise(total_ventas = sum(ventas))

ggplot(ventas_por_año, aes(x = año, y = total_ventas)) +
  geom_line() +
  labs(title = "Ventas Totales por Año", x = "Año", y = "Ventas Totales")

Paso 5: Modelos de Regresión

Aplicaremos un modelo de regresión lineal para predecir las ventas en función de las variables disponibles.

Código:

				
					# Regresión lineal simple: ventas ~ año
modelo_lineal_simple <- lm(ventas ~ año, data = datos_ventas)
resumen_lineal_simple <- summary(modelo_lineal_simple)

# Regresión lineal múltiple: ventas ~ año + producto
modelo_lineal_multiple <- lm(ventas ~ año + producto, data = datos_ventas)
resumen_lineal_multiple <- summary(modelo_lineal_multiple)

# Resultados de los modelos
resultados <- data.frame(
  Modelo = c("Lineal Simple", "Lineal Múltiple"),
  R2 = c(resumen_lineal_simple$r.squared, resumen_lineal_multiple$r.squared),
  p_valor = c(resumen_lineal_simple$coefficients[2, 4], resumen_lineal_multiple$coefficients[2, 4])
)

print(resultados)

Paso 6: Interpretación de Resultados

Interpretaremos los resultados obtenidos a partir del análisis descriptivo, visualización y modelos de regresión para tomar decisiones basadas en los datos.

Explicación:

  1. Importación de Datos: Importamos los datos de ventas desde un archivo CSV utilizando read_csv.

  2. Limpieza y Preparación de Datos: Eliminamos filas con valores nulos, rellenamos valores faltantes con la media, convertimos los nombres de productos a mayúsculas y creamos una nueva variable para el año de la venta.

  3. Análisis Descriptivo: Calculamos medidas de tendencia central y dispersión para las ventas, incluyendo media, mediana, desviación estándar y total de ventas.

  4. Visualización de Datos: Creamos gráficos de dispersión de ventas por fecha, barras de ventas por producto y líneas de ventas totales por año para visualizar las tendencias y distribuciones.

  5. Modelos de Regresión: Aplicamos modelos de regresión lineal simple y múltiple para predecir las ventas en función de las variables disponibles, y comparamos los coeficientes de determinación (R²) y los valores p de los modelos.

  6. Interpretación de Resultados: Utilizamos los resultados del análisis para tomar decisiones basadas en datos, como identificar productos con mayores ventas, entender tendencias anuales y evaluar el impacto de diferentes variables en las ventas.

Este proyecto final integra todas las habilidades y técnicas aprendidas, proporcionando una experiencia práctica completa en el análisis de datos utilizando R.

Recursos