# Importar bibliotecas necesarias
import os
import pandas as pd
import dateime as dt
# Ruta del arcivo CSV
FILE_PATH = os.path.join('dataset', 'shoes.csv')
# Cargar datos desde un archivo CSV
data = pd.read_csv(FILE_PATH, index_col=False)# Mostrar 20 filas del Dataframe
data.sample(20)
# Verificar la informacion de las columnas
data.info()# Corregir tipos de datos incorrectos
data['Order Date'] = pd.datetime(data['Order Date'], format="%m/%d/%y")
data['Release Date'] = pd.datetime(data['Release Date'], format="%m/%d/%y")
data['Sale Price'] = data['Sale Price'].str.replace('$','').str.replace(',', '').astype(dtype='float')
data['Retail Price'] = data['Retail Price'].str.replace('$','').str.replace(',', '').astype(dtype='float')
data['Sneaker Name'] = data['Sneaker Name'].str.lower().str.replace('-', ' ')Extracción de Marca
# Función para extraer la marca de las zapatillas
def extraer_marca(columna, lista_de_marcas):
"""
Esta función busca una marca específica dentro de un valor de columna y devuelve esa marca si se encuentra en la lista de marcas proporcionada.
Parámetros:
- columna: El valor de la columna donde se buscará la marca.
- lista_de_marcas: Una lista de marcas que se buscarán en la columna.
Retorna:
- La marca encontrada en la lista_de_marcas si se encuentra en la columna. Si ninguna marca coincide, devuelve "nike".
"""
# Itera sobre cada marca en la lista de marcas proporcionada
for marca in lista_de_marcas:
# Comprueba si la marca actual está presente en el valor de la columna
if marca in columna:
# Devuelve la marca si se encuentra una coincidencia
return marca
# Si no se encuentra coincidencia devuelve "nike"
return "nike'
# Lista de las marcas a buscar
lista_de_marcas = ['nike', 'adidas']
# Se crea una nueva columna llamada 'Marca' en el DataFrame 'data', que contendrá la marca extraída de la columna 'Sneaker Name'.
data['Marca'] = data['Sneaker Name'].str.lower().apply(extraer_marca, lista_de_marcas=lista_de_marcas)Extracción de Modelo
# Función para extraer el modelo de las zapatillas
def extraer_modelo(columna, lista_de_modelos):
"""
Esta funcion busca un modelo específico dentro de un valor de columna y devuelve
ese modelo si se encuentra en la lista de modelos proporcionada.
Parámetros:
- columa: El valor de la columna donde se buscará el modelo.
- lista_de_modelos: Una lista de modelos que se buscarán en la columna.
Retorna:
- El moodelo encontrado en la lista_de_modelos si se encuentra en la columna. Si ningún modelo coincide, devuelve el mismo valor.
"""
# Itera sobre cada modelo en la lista de modelos proporcionada
for modelo in lista_de_modelos:
# Verifica si en la columna hay algún modelo de la lista proporcionada
data = data.apply(lambda x: modelo if modelo in x else x)
# Si no se encuentra ningún modelo de la lista proporcionada, devuelve el mismo valor.
return data
# Lista de los modelos a buscar
# Se crea la columna 'Modelo' con los modelos extraídos con la función extraer_modelos
data['Modelo'] = extraer_modelo(data['Sneaker Name'], lista_de_modelos)Selección y renombrado de variables
# Lista de variables que se mantendrán
mis_variables = ['Release Date', 'Order Date', 'Marca', 'Modelo', 'Shoe Size', 'Retail Price','Sale Price', 'Buyer Region']
# Copia del dataframe con las variables que se mantendrán
data = data[mis_variables].copy()
# Diccionario para renombrar las variables
nombres_de_columnas = {'Release Date':'Fecha de Lanzamiento', 'Order Date':'Fecha de Compra',
'Shoe Size':'Talla', 'Retail Price':'Precio Sugerido', 'Sale Price':'Precio de Venta',
'Buyer Region':'Región'}
# Renombrando las variables
data.rename(columns=nombres_de_columnas, inplace=True)Creación de nuevas variables
# Diferencia entre el precio de venta y el precio sugerido
data['Diferencial'] = data['Precio de Venta'] - data['Precio Sugerido']
# Diferencia entre el precio de venta y el precio sugerido porcentualmente
data['% Diferencial'] = data['Precio de Venta'] / data['Precio Sugerido']# Guardar el Dataframe resultante en un nuevo archivo CSV
data.to_csv(os.join.path('datasets','shoes_final.csv'))