Skip to content
union: DataFrame consolidadoarchivos_leidos: Lista de nombres de archivos procesadosLee archivo principal con manejo explícito de fechasItera sobre archivos en carpeta SAPLee según extensión (CSV o Excel)Añade columna Archivo_Origen para trazabilidadRenombra columnas para estandarizaciónConcatena todos los DataFrames
df: DataFrame a procesarUsa pd.to_datetime con errors='coerce' para manejo seguroProporciona diagnóstico pre/post conversiónIdentifica fechas problemáticas
Contenido: Catálogo maestro de clientes con información normalizada
Conversión: A string para consistenciaLimpieza: Elimina espacios en blanco al inicio/final
Customer Number agregado: Número de cliente normalizado/consolidadoCustomer Name agregado: Razón social/nombre de cliente normalizado
how='left': Preserva todos los registros del dataset principal (df)Registros sin coincidencia en el catálogo tendrán NaN en las nuevas columnas
A esta base se le hace una segmentación de los años 2024 y 2025 y una limpieza a las variables ‘Amount’ y ‘Volume’ además de agregar la variable de ‘Cluster’ con el catálogo de clúster construido en la Clusterizacion. Se agrega la presentación PDM de los productos elegidos en el análisis de Pareto Se hace una segmentación de las nueve ciudades validas: 'Chihuahua', 'Delicias', 'Parral', 'Casas Grandes', 'Jimenez', 'Juarez', 'Camargo', 'Ojinaga', 'Cuauhtemoc'
ln(Q): Logaritmo natural del volumenln(P): Logaritmo natural del precioβ₁: Elasticidad precio (coeficiente clave)β₀: Interceptoε: Término de error
Qué es: Coeficiente estimado de ln_P en la regresión
Qué es: Coeficiente de determinación (R²)
Qué es: Número de observaciones usadas en la regresión
Propósito: Crear variables para modelo log-log
Qué es: Valores predichos de ln_Q según el modeloCálculo: ln_Q_hat = β₀ + β₁ * ln_PUso:Comparar con valores realesPronosticar volumen dado un precio
Elasticidad-precio
Para la preparación de datos se utilizó una base histórica de 2017 a 2025 a la cual se les hace un tratamiento a los datos para preparar la base necesaria para la obtención de las variables deltas para el análisis de elasticidad Este script consolida múltiples archivos de datos (CSV y Excel) relacionados con cemento y concreto, realiza transformaciones específicas y corrige etiquetas de productos.
Estructura del Código
import pandas as pd # Manipulación de datos
import os # Operaciones del sistema de archivos
2. Funciones Principales
leer_archivos()
Propósito: Leer y consolidar archivos de diferentes fuentes preservando formatos de fecha.
Parámetros: Ninguno
Retorna:
Flujo:
convertir_fechas(df)
Propósito: Conversión robusta de columnas de fecha con diagnóstico detallado.
Parámetros:
Retorna: DataFrame con fechas convertidas
Características:
3. Ejecución Principal
Fase 1: Lectura y Consolidación
python
union, archivos_procesados = leer_archivos()
Fase 2: Conversión de Fechas
python
cem['Created On'] = pd.to_datetime(cem['Created On'], format='mixed', dayfirst=True)
cem['Año'] = cem['Created On'].dt.year
cem['Mes'] = cem['Created On'].dt.month
cem['Año-Mes'] = cem['Año'].astype(str) + '-' + cem['Mes'].astype(str)
Se renombran las columnas en los archivos de cierre 2024 y 2025
Renombrar columnas
rename_dict = {
'Period': 'Mes',
'Company Code': 'CoCd',
'Zona.1': 'Product Family',
'Customer': 'Customer Number',
'SKUQty': 'Volumen',
'Total': 'Amount',
'Created on': 'Created On',
'Sales Order': 'Order Number',
'Precio': 'Price',
'Reference document': 'Ref.doc.no'
}
4. Rutas de Archivos
Entradas:
Salida:
Parte 2: Enriquecimiento de Clientes
Descripción General
Este script enriquece el dataset principal de cemento y concreto con información de nombres de clientes a partir de un catálogo maestro, realizando una unión (merge) para agregar razones sociales normalizadas.
🗂️ Estructura del Código
1. Carga de Datasets
Archivo Principal de Datos
python
df = pd.read_csv(r"...\Cemento y Concreto 2025.csv")
Catálogo de Clientes
python
cat_clientes = pd.read_csv(
r"...\BaseClientes 12 ene.csv",
encoding='utf-8' # Especifica codificación para caracteres especiales
)
2. Limpieza y Normalización
Para el DataFrame Principal (df)
python
df['Customer Number'] = df['Customer Number'].astype(str).str.strip()
Para el Catálogo de Clientes (cat_clientes)
Columnas Agregadas:
Tipo de Unión:
4. Guardado del Resultado
python
df.to_csv(
r"...\Archivos Sap\bases\SAP.csv",
index=False # No incluir índice automático de pandas
)
Limpieza de filiales y exportaciones
Filtrado por Productos Específicos
python
valores_a_buscar = [
'CEMBPC40', 'CEMSPC30', '200TC34', 'CEMSSPC40', '200BC34',
'003B1WS', 'CEMSPC3025', 'CEMBPC30', '250TC34', 'CEMSSPC30',
'MR425C34', 'MR40C34', '150TC34', '250BC34', '065C1WS',
'MOREST', 'MASS03', 'MASS02', '150TC38', 'MR42C34',
'CEMSSPC40Q', 'CEMSPC30PV'
]
sap = sap[sap['Product'].isin(valores_a_buscar)]
Reetiquetado de Productos
python
reemplazos = {
'CEMSPC30PV': 'CEMSPC30',
'CEMSPC3025PV': 'CEMSPC3025',
'MASS0225': 'MASS02',
'MASS0325': 'MASS03'
}
sap['Product'] = sap['Product'].replace(reemplazos)
Selección de Columnas Relevantes
python
columnas_a_mantener = [
"Mes", "Created On", "Product", "Zona", 'Area', "Subsegmento",
'Volumen', 'Customer Name', "Amount", 'Price', "Pestaña",
"Order Number", 'Customer Number', 'Currency key',
'Customer Number agregado', 'Customer Name agregado'
]
nsap = sap.filter(items=columnas_a_mantener)
Creación de Segmentos Comerciales
La base resultante de esta limpieza:
El resultado de esta limpieza es la base:
Creación de un df_i para crear varios dataframes por Zona, Presentación, PDM y Clusters
Block y Concreto están a nivel Zona
Cemento a nivel Ciudad
Se genera la variable Precio GCC
Se generan las variables Delta Volumen y Delta Precio
Se guardan las bases intermedias en las locaciones
Se hace un proceso de regresión lineal a cada una de estas bases
Variables de Modelo de Elasticidad Precio OLS
Este código calcula y almacenas métricas de un modelo de regresión lineal OLS (Ordinary Least Squares) para estimar la elasticidad precio de la demanda.
Se está modelando la relación entre precio y volumen de ventas mediante una regresión log-log:
text
ln(Q) = β₀ + β₁ * ln(P) + ε
Donde:
Elasticidad Precio (Coeficiente del Modelo)
python
df['Elasticidad_Precio_OLS'] = model.params['ln_P']
Bondad de Ajuste del Modelo
python
df['R2_OLS'] = model.rsquared
Tamaño de Muestra del Modelo
python
df['N_obs_OLS'] = int(model.nobs)
Transformaciones Logarítmicas
python
df['ln_Q'] = np.log(df['Volumen'])
df['ln_P'] = np.log(df['Precio_GCC'])
Predicciones del Modelo
python
df['ln_Q_hat'] = model.predict(df[['ln_P']])
Residuales del Modelo
Want to print your doc?
This is not the way.
This is not the way.
Try clicking the ··· in the right corner or using a keyboard shortcut (
CtrlP
) instead.