El panel y el guardado

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

hechos = pd.read_csv("dw_hecho_ventas.csv")
productos = pd.read_csv("dw_dim_producto.csv")

fecha = pd.to_datetime(hechos["fecha"], format="%Y-%m-%d", errors="coerce")
valida = (hechos["cantidad"] > 0) & hechos["ingreso"].between(0, 100000)
datos = (hechos.assign(fecha=fecha)[valida & fecha.notna()]
         .merge(productos[["producto_id", "categoria"]], on="producto_id",
                how="left"))

print("filas del archivo:", len(hechos))
print("descartadas por cantidad o ingreso imposible:", int((~valida).sum()))
print("descartadas por fecha invalida:", int(fecha.isna().sum()))
print("sin categoria (producto_id que no esta en la dimension):",
      int(datos["categoria"].isna().sum()))
print("filas del panel:", len(datos))

por_mes = datos.groupby(fecha[datos.index].dt.to_period("M"))["ingreso"].sum()
por_categoria = (datos.dropna(subset=["categoria"])
                 .groupby("categoria")["ingreso"].sum().sort_values())
pendiente, intercepto = np.polyfit(datos["cantidad"], datos["ingreso"], 1)

fig, axes = plt.subplots(2, 2, figsize=(7.2, 5.6))

axes[0, 0].plot(range(len(por_mes)), por_mes.to_numpy(), marker="o")
axes[0, 0].set_xticks(range(len(por_mes)))
axes[0, 0].set_xticklabels([str(p)[-2:] for p in por_mes.index])
axes[0, 0].set(title="Tendencia mensual", xlabel="Mes de 2026",
               ylabel="Ingreso")

axes[0, 1].barh(por_categoria.index, por_categoria.to_numpy())
axes[0, 1].set(title="Ingreso por categoria", xlabel="Ingreso")

axes[1, 0].hist(datos["ingreso"], bins=14, edgecolor="white")
axes[1, 0].axvline(datos["ingreso"].mean(), color="crimson", linestyle="--",
                   label="Media")
axes[1, 0].set(title="Distribucion del ingreso", xlabel="Ingreso",
               ylabel="Ventas")
axes[1, 0].legend()

axes[1, 1].scatter(datos["cantidad"], datos["ingreso"], s=10, alpha=0.35)
extremos = np.array([datos["cantidad"].min(), datos["cantidad"].max()])
axes[1, 1].plot(extremos, pendiente * extremos + intercepto, color="crimson")
axes[1, 1].set(title="Unidades contra ingreso", xlabel="Unidades",
               ylabel="Ingreso")

fig.suptitle("Ventas 2026: cuatro preguntas sobre la misma tabla")
fig.tight_layout()
plt.show()

print()
print("ingreso por mes:")
print(por_mes.round(0).to_string())
print()
print("ingreso por categoria:")
print(por_categoria.round(0).to_string())
print()
print("media del ingreso:", round(datos["ingreso"].mean(), 2),
      " mediana:", round(datos["ingreso"].median(), 2))
print("recta: ingreso =", round(pendiente, 2), "* unidades +",
      round(intercepto, 2))

import pandas as pd
import matplotlib.pyplot as plt

hechos = pd.read_csv("dw_hecho_ventas.csv")
productos = pd.read_csv("dw_dim_producto.csv")

valida = (hechos["cantidad"] > 0) & hechos["ingreso"].between(0, 100000)
datos = (hechos[valida]
         .merge(productos[["producto_id", "categoria"]], on="producto_id",
                how="left")
         .dropna(subset=["categoria"]))

por_categoria = datos.groupby("categoria")["ingreso"].sum().sort_values()
parte = por_categoria.max() / por_categoria.sum() * 100
lider = por_categoria.idxmax()

# El panel es para explorar. La lamina que va al informe muestra UNA cosa, y
# el titulo dice cual: el lector no tiene que descubrirla.
colores = ["darkorange" if c == lider else "0.6" for c in por_categoria.index]

fig, ax = plt.subplots(figsize=(7.2, 3.6))
barras = ax.barh(por_categoria.index, por_categoria.to_numpy(), color=colores)
ax.bar_label(barras, fmt="%.0f", padding=4, fontsize=8)
ax.set_title(f"{lider} explica el {parte:.0f} % del ingreso de 2026")
ax.set_xlabel("Ingreso acumulado, enero a agosto")
ax.set_xlim(0, por_categoria.max() * 1.25)
ax.spines["top"].set_visible(False)
ax.spines["right"].set_visible(False)
fig.tight_layout()

# savefig escribe el archivo; show lo muestra. En un script que corre solo no
# hay pantalla, asi que savefig es lo unico que deja algo. Van en este orden:
# show() puede vaciar la figura en algunos backends.
fig.savefig("ingreso_por_categoria.png", dpi=150)
plt.show()

print(por_categoria.round(2).to_string())
print()
print("total:", round(por_categoria.sum(), 2))
print(f"{lider}: {parte:.1f} % del total")
chicas = por_categoria.drop(lider).head(3)
print("las tres mas chicas juntas:", round(chicas.sum(), 2),
      "->", list(chicas.index))
print("siguen sin alcanzar a", lider, "solo:", round(por_categoria.max(), 2))
print()
print("Un panel de cuatro contesta cuatro preguntas y no dice ninguna.")
print("La lamina dice una y la deja escrita en el titulo.")

import pandas as pd
import matplotlib.pyplot as plt

hechos = pd.read_csv("dw_hecho_ventas.csv")
valida = (hechos["cantidad"] > 0) & hechos["ingreso"].between(0, 100000)
datos = hechos[valida]
x, y = datos["cantidad"], datos["ingreso"]

fig, axes = plt.subplots(1, 3, figsize=(7.2, 3.0), sharey=True)

axes[0].scatter(x, y, s=30)
axes[0].set_title("Opaco")
axes[0].set_ylabel("Ingreso")

axes[1].scatter(x, y, s=30, alpha=0.15)
axes[1].set_title("alpha = 0.15")

axes[2].hexbin(x, y, gridsize=18, cmap="Blues")
axes[2].set_title("hexbin")

for eje in axes:
    eje.set_xlabel("Unidades")
fig.suptitle("Los mismos 495 puntos")
fig.tight_layout()
plt.show()

print("puntos dibujados:", len(datos))
print()
# Lo que el ojo no puede contar en el primer grafico: cuantas ventas hay en
# cada tramo de unidades. La tabla lo dice sin ambiguedad.
tramos = pd.cut(x, bins=[0, 5, 10, 15, 20, 25])
resumen = datos.groupby(tramos, observed=True)["ingreso"].agg(
    ["count", "mean", "median"]).round(2)
resumen.index.name = "unidades"
print(resumen.to_string())
print()
print("La transparencia deja ver donde hay mas puntos y sigue siendo una")
print("impresion. hexbin lo cuenta, y con decenas de miles de puntos es la")
print("unica de las tres que sigue funcionando.")
print("La tabla de arriba es la que se puede citar en el informe.")