Mensaje de Antonia Llancaqueo, cofundadora de Tienda Online Pewen
Tengo dos sospechas y quiero datos. Primero, que la ropa se nos devuelve mucho más que lo demás. Segundo, que nos jugamos el año en noviembre, con el Black Friday. Calcula la tasa de devolución de cada categoría y las ventas de cada mes, y dime cuál fue el mes más fuerte.
Concepto
Una tasa es una proporción: de cada 100 pedidos, cuántos se devolvieron. En pandas hay un truco útil: el promedio de una columna de True/False es la proporción de True.
con_producto["devuelto"] = con_producto["estado"] == "devuelto" crea una columna con True o False, y groupby("categoria")["devuelto"].mean() da la tasa de cada categoría.
Con fechas de verdad (las convertiste en la misión de limpieza), .dt da acceso a sus partes: .dt.month es el mes, .dt.year el año y .dt.dayofweek el día de la semana:
import pandas as pd
pedidos = pd.read_csv("datos/pedidos.csv")
pedidos["fecha"] = pd.to_datetime(pedidos["fecha"])
print(pedidos.groupby(pedidos["fecha"].dt.month)["pedido_id"].count())idxmax() devuelve la etiqueta del valor más alto, por ejemplo el mes con más ventas.
En esta misión ya tienes pedidos limpio con monto, entregados y con_producto.
> tarea Python
Guarda en tasa_devolucion la proporción de pedidos devueltos de cada categoría, redondeada a 2 decimales. Guarda en ventas_por_mes el monto de los pedidos entregados de cada mes (el número del mes) y en mes_top el mes con más ventas.
Primero intenta: las pistas aparecen después de 2 intentos con un resultado incorrecto (los errores de código no cuentan). Llevas 0.
> decisión
Vestuario se devuelve 23 % de las veces y lo demás entre 5 % y 7 %. ¿Qué le recomiendas a Antonia?
Cargando opciones…