Análisis de Ventas en Python: Lógica de Programación #8

En este artículo, vamos a realizar un análisis básico de ventas usando Python. Este ejercicio es ideal para practicar lógica de programación y aplicar conceptos estadísticos básicos.

El objetivo es analizar una lista de ventas mensuales para:

Calcular el promedio de ventas mensuales.
Encontrar el mes con más ventas.
Encontrar el mes con menos ventas.
Detectar los números atípicos utilizando la desviación estándar.
Imprimir los resultados obtenidos.

Python

monthly_sales = [500, 675, 482, 230, 600, 600, 1230, 650, 493, 555, 532, 700]

monthly_sales: Esta lista contiene las ventas para cada mes del año. Aquí, cada número representa las ventas de un mes específico.

Python

average_sales = sum(monthly_sales) / len(monthly_sales)

Calcular el promedio de ventas mensuales
sum(monthly_sales): Suma todos los elementos de la lista monthly_sales.
len(monthly_sales): Obtiene la cantidad de elementos en la lista.
El promedio se calcula dividiendo la suma total por el número de elementos.

Python

max_sales_month = max(monthly_sales)

max(monthly_sales): Encuentra el valor máximo en la lista monthly_sales.

Python

min_sales_month = min(monthly_sales)

min(monthly_sales): Encuentra el valor mínimo en la lista monthly_sales.

Python

deviation = [(sale - average_sales) ** 2 for sale in monthly_sales]
variance = sum(deviation) / len(monthly_sales)
standard_deviation = variance ** 0.5

lower_bound = average_sales - 2 * standard_deviation
upper_bound = average_sales + 2 * standard_deviation

outliers = [sale for sale in monthly_sales if sale < lower_bound or sale > upper_bound]

Para entender mejor este código, vamos a desglosar cada concepto estadístico y cómo se calcula.

Desviación y Varianza:
- Desviación:
  - La desviación mide cuánto se aleja cada valor de la media (promedio).
  - En el código, deviation = [(sale – average_sales) ** 2 for sale in monthly_sales] calcula la desviación al cuadrado de cada venta respecto al promedio. Elevar al cuadrado asegura que todas las desviaciones sean positivas, evitando que se cancelen entre sí.
- Varianza:
  - La varianza es la media de las desviaciones al cuadrado. Nos da una idea de la dispersión de los datos alrededor de la media.
  - En el código, variance = sum(deviation) / len(monthly_sales) suma todas las desviaciones al cuadrado y las divide por el número de elementos, obteniendo la varianza.
- Desviación Estándar:
  - La desviación estándar es la raíz cuadrada de la varianza. Representa, en promedio, cuánto se desvía cada valor de la media.
  - En el código, standard_deviation = variance ** 0.5 calcula la desviación estándar como la raíz cuadrada de la varianza.
- Límites para detectar outliers:
  - Usamos la desviación estándar para definir un rango en el que esperamos encontrar la mayoría de los datos.
  - Generalmente, un valor se considera un outlier si está a más de dos desviaciones estándar de la media (en una distribución normal, aproximadamente el 95% de los datos están dentro de dos desviaciones estándar).
  - lower_bound es el límite inferior y upper_bound es el límite superior.

Python

print("Promedio de ventas mensuales:", average_sales)
 print("Mes con más ventas:", max_sales_month)
 print("Mes con menos ventas:", min_sales_month)
 print("Números atípicos:", outliers)

print(“Promedio de ventas mensuales:”, average_sales): Muestra el promedio de ventas.
print(“Mes con más ventas:”, max_sales_month): Muestra el mes con más ventas.
print(“Mes con menos ventas:”, min_sales_month): Muestra el mes con menos ventas.
print(“Números atípicos:”, outliers): Muestra los números atípicos detectados.

Al ejecutar este código, el resultado será:

Python

Promedio de ventas mensuales: 603.9166666666666
 Mes con más ventas: 1230 
 Mes con menos ventas: 230
 Números atípicos: [1230]

Este ejercicio es una excelente manera de practicar lógica de programación y aplicar conceptos estadísticos básicos en Python. Puedes experimentar con diferentes conjuntos de datos y ajustar los parámetros para detectar outliers según tus necesidades. Puedes encontrar el código completo en mi GitHub.

Ah y no olvides suscribirte al Newsletter para estar al tanto de nuevos ejercicios de lógica en Python.

Lógica de programación: