1. Faro

Nivel 7 · ¿Está alcanzando la app a la web?

La solicitud

De Jordan Reyes, Director de Marketing

“Impulsamos mucho la app en 2025. Me gustaría un gráfico con una línea por canal de venta que muestre los ingresos mensuales a lo largo del año. ¿Adelantó la app a la web?”

Tu objetivo

Usando las líneas de pedido con quantity > 0 de pedidos con status 'completed' hechos en 2025, asigna a result un DataFrame con una fila por mes y las columnas month (el primer día del mes, una fecha), app, marketplace y web (ingresos = suma de quantity * unit_price * (1 - discount_pct / 100), redondeada a 2), ordenado por month. Dibuja una línea por canal con una leyenda.

  • Usa el DataFrame orderspendiente
  • Usa el DataFrame order_itemspendiente
  • Muestra exactamente month app marketplace webpendiente

Tu código

Python

Cargando el editor…

    ResultadoVista previa de orders · presiona Ejecutar para ver el tuyo
    Vista previa de orders
    order_idcustomer_idorder_datestatuschannel
    10011252023-01-01 20:51:19completedweb
    10021562023-01-02 07:58:46completedweb
    1003222023-01-02 10:25:27completedmarketplace
    1004482023-01-02 11:21:51completedmarketplace

    Mote revisa tu resultado

    Presiona Ejecutar. Cada fila que cumple el objetivo se vuelve una luciérnaga en tu linterna.

    DataFrames

    Cargados como DataFrames de pandas, junto con pd y np.

    orders12,000 filas · 7 columnas
    • order_idinteger
    • customer_idinteger
    • order_datetimestamp
    • statusvarchar
    • channelvarchar
    • shipping_feedecimal
    • coupon_codevarchar
    Primeras 5 filas de orders
    order_idcustomer_idorder_datestatuschannelshipping_feecoupon_code
    10011252023-01-01 20:51:19completedweb0.00NaN
    10021562023-01-02 07:58:46completedweb0.00NaN
    1003222023-01-02 10:25:27completedmarketplace4.99WELCOME10
    1004482023-01-02 11:21:51completedmarketplace4.99WELCOME10
    1005822023-01-02 11:43:36completedweb0.00WELCOME10
    order_items30,338 filas · 6 columnas
    • order_item_idinteger
    • order_idinteger
    • product_idinteger
    • quantityinteger
    • unit_pricedecimal
    • discount_pctdecimal
    Primeras 5 filas de order_items
    order_item_idorder_idproduct_idquantityunit_pricediscount_pct
    11001121931.990.00
    21001154311.990.00
    31002154411.990.00
    410021941149.000.00
    51002193219.990.00
    customers2,018 filas · 9 columnas
    • customer_idinteger
    • first_namevarchar
    • last_namevarchar
    • emailvarchar
    • cityvarchar
    • statevarchar
    • signup_datedate
    • segmentvarchar
    • referral_sourcevarchar
    Primeras 5 filas de customers
    customer_idfirst_namelast_nameemailcitystatesignup_datesegmentreferral_source
    1OwenHudsonowen.hudson@icloud.comSan FranciscoCA2022-06-02consumersearch
    2DouglasMendozadmendoza69@gmail.comAtlantaGA2022-06-02consumerNaN
    3HenryBrookshbrooks@lakesidecafe.comLos AngelesCA2022-06-04businessNaN
    4BrianGrahambgraham@bluecedarhomes.comSeattleWA2022-06-06businesspinterest
    5KyleJimenezkjimenez27@yahoo.comIndianapolisIN2022-06-07consumerNaN
    products120 filas · 8 columnas
    • product_idinteger
    • namevarchar
    • categoryvarchar
    • subcategoryvarchar
    • unit_pricedecimal
    • unit_costdecimal
    • launched_ondate
    • is_activeboolean
    Primeras 5 filas de products
    product_idnamecategorysubcategoryunit_priceunit_costlaunched_onis_active
    101Vale Velvet LoveseatFurnitureSofas1659.00NaN2023-09-11true
    102Alder Oak Coffee TableFurnitureTables919.00503.502024-05-16true
    103Orchard Rattan Dining ChairFurnitureChairs789.00429.872023-05-27true
    104Upland Oak BookcaseFurnitureStorage429.00214.702022-12-20true
    105Avery Leather Bed FrameFurnitureBeds449.00232.702021-08-31true
    returns1,673 filas · 5 columnas
    • return_idinteger
    • order_item_idinteger
    • returned_ondate
    • reasonvarchar
    • refund_amountdecimal
    Primeras 5 filas de returns
    return_idorder_item_idreturned_onreasonrefund_amount
    1142023-01-10damaged83.69
    2422023-01-10wrong_item19.99
    31052023-01-14wrong_item10.99
    4242023-01-16changed_mind26.99
    51262023-01-16late20.99
    employees60 filas · 8 columnas
    • employee_idinteger
    • first_namevarchar
    • last_namevarchar
    • departmentvarchar
    • titlevarchar
    • manager_idinteger
    • hire_datedate
    • salaryinteger
    Primeras 5 filas de employees
    employee_idfirst_namelast_namedepartmenttitlemanager_idhire_datesalary
    1CatherineHaleExecutiveChief Executive OfficerNaN2016-03-01285000
    2RobertKimExecutiveChief Operating Officer12017-01-09235000
    3MeganCollinsSalesHead of Sales12018-04-16172000
    4ChloeGutierrezSalesAccount Executive32020-01-2172000
    5FrankBellSalesAccount Executive32023-05-2173000
    web_sessions40,000 filas · 7 columnas
    • session_idinteger
    • customer_idinteger
    • started_attimestamp
    • devicevarchar
    • sourcevarchar
    • pages_viewedinteger
    • convertedboolean
    Primeras 5 filas de web_sessions
    session_idcustomer_idstarted_atdevicesourcepages_viewedconverted
    1NaN2023-01-01 23:02:24mobilepaid1false
    2182023-01-01 15:07:49desktoppaid1false
    3NaN2023-01-01 16:55:46desktopdirect7false
    4NaN2023-01-01 12:43:28mobileorganic3false
    5NaN2023-01-01 13:06:21mobilesocial2false
    marketing_spend3,276 filas · 3 columnas
    • spend_datedate
    • channelvarchar
    • amountdecimal
    Primeras 5 filas de marketing_spend
    spend_datechannelamount
    2023-01-01paid492.99
    2023-01-01email37.38
    2023-01-01social200.53
    2023-01-02paid709.13
    2023-01-02email64.13

    La lección

    Las tablas anchas dibujan varias líneas

    pandas dibuja una línea por columna cuando llamas a .plot() sobre un DataFrame, con el índice en el eje x y una leyenda construida a partir de los nombres de columna. Así que un gráfico con una línea por canal necesita una tabla con una columna por canal. El starter te da una fila por línea de pedido con una columna month (el primer día de cada mes); pivot_table la convierte en ancha:

    wide = lines.pivot_table(index="month", columns="channel",
                             values="revenue", aggfunc="sum").round(2)
    #                  app  marketplace        web
    # 2025-01-01  38566.02     24323.19   87681.78
    # 2025-02-01  46574.43      8919.22   44409.50
    # ...
    ax = wide.plot(marker="o")

    .plot() devuelve los Axes, y a partir de ahí es el matplotlib de siempre: ax.set_title, ax.set_ylabel, ax.set_ylim(0, None) para mantener el cero a la vista.

    Hacerlo a mano

    El mismo gráfico en matplotlib puro es un ax.plot por serie, cada uno con un label=, y una leyenda al final:

    fig, ax = plt.subplots()
    for channel in ["app", "web", "marketplace"]:
        ax.plot(wide.index, wide[channel], marker="o", label=channel)
    ax.legend()

    ax.legend() solo conoce las líneas a las que se dio una etiqueta. Llámalo después de dibujar, no antes.

    Qué dicen las líneas

    Enero empezó con la web muy por delante: $87,681.78 frente a $38,566.02 de la app. Desde febrero la app lideró todos los meses excepto julio y agosto, incluidos los picos de noviembre ($118,601.68) y diciembre ($130,471.52). A lo largo del año la app aportó $996,296.62 y la web $980,935.78, así que la respuesta para Jordan es sí, por poco. El marketplace sigue siendo una tercera línea más pequeña y estable, con $324,457.72 en el año.

    Mantén bajo el número de líneas. Tres líneas son fáciles de seguir; ocho líneas en ocho colores son un espagueti. Con muchos grupos, dibuja pequeños gráficos separados (niveles siguientes) o resalta una línea y pon el resto en gris.

    Errores comunes

    • Graficar una tabla larga con x="month": los puntos de todos los canales van a una sola línea en zigzag.
    • Llamar a ax.legend() cuando ninguna línea tiene etiqueta, lo que da una leyenda vacía.
    • Dejar que el eje y empiece en el valor más bajo, lo que exagera los huecos entre líneas.
    • Dejar los meses como texto del tipo “2025-01”; las fechas reales mantienen el eje en orden de calendario.
    • Olvidar .round(2) o redondear antes de sumar: redondea los totales, nunca los valores de línea.

    Elige qué puede ejecutarse en este sitio. Puedes cambiarlo cuando quieras desde "Configurar cookies", al pie de cada página.