La solicitud

De Laura Bennett, Directora de Finanzas
Tu objetivo
Asigna a result un diccionario: "monthly_saving", el 5% de los ingresos mensuales promedio completados en 2025 (redondeado a 2: es la cantidad que se transfiere), "fv", en qué se convierte ese ahorro tras 36 depósitos mensuales al 4% anual capitalizado mensualmente (depósitos al final de cada mes, redondeado a 2), y "months", el número de pagos mensuales de $1,500 que hacen falta para pagar $48,000 al 7.5% anual, redondeado hacia arriba a un número entero.
- Usa el DataFrame
orderspendiente - Usa el DataFrame
order_itemspendiente - Guarda un dict en
resultpendiente
Tu código
Cargando el editor…
Solución de referencia
| order_id | customer_id | order_date | status | channel |
|---|---|---|---|---|
| 1001 | 125 | 2023-01-01 20:51:19 | completed | web |
| 1002 | 156 | 2023-01-02 07:58:46 | completed | web |
| 1003 | 22 | 2023-01-02 10:25:27 | completed | marketplace |
| 1004 | 48 | 2023-01-02 11:21:51 | completed | marketplace |
Mote revisa tu resultado
Presiona Ejecutar. Cada fila que cumple el objetivo se vuelve una luciérnaga en tu linterna.
Lo que recibe Laura, y por qué
DataFrames
Cargados como DataFrames de pandas, junto con pd y np.
orders12,000 filas · 7 columnas
order_idintegercustomer_idintegerorder_datetimestampstatusvarcharchannelvarcharshipping_feedecimalcoupon_codevarchar
| order_id | customer_id | order_date | status | channel | shipping_fee | coupon_code |
|---|---|---|---|---|---|---|
| 1001 | 125 | 2023-01-01 20:51:19 | completed | web | 0.00 | NaN |
| 1002 | 156 | 2023-01-02 07:58:46 | completed | web | 0.00 | NaN |
| 1003 | 22 | 2023-01-02 10:25:27 | completed | marketplace | 4.99 | WELCOME10 |
| 1004 | 48 | 2023-01-02 11:21:51 | completed | marketplace | 4.99 | WELCOME10 |
| 1005 | 82 | 2023-01-02 11:43:36 | completed | web | 0.00 | WELCOME10 |
order_items30,338 filas · 6 columnas
order_item_idintegerorder_idintegerproduct_idintegerquantityintegerunit_pricedecimaldiscount_pctdecimal
| order_item_id | order_id | product_id | quantity | unit_price | discount_pct |
|---|---|---|---|---|---|
| 1 | 1001 | 121 | 9 | 31.99 | 0.00 |
| 2 | 1001 | 154 | 3 | 11.99 | 0.00 |
| 3 | 1002 | 154 | 4 | 11.99 | 0.00 |
| 4 | 1002 | 194 | 1 | 149.00 | 0.00 |
| 5 | 1002 | 193 | 2 | 19.99 | 0.00 |
customers2,018 filas · 9 columnas
customer_idintegerfirst_namevarcharlast_namevarcharemailvarcharcityvarcharstatevarcharsignup_datedatesegmentvarcharreferral_sourcevarchar
| customer_id | first_name | last_name | city | state | signup_date | segment | referral_source | |
|---|---|---|---|---|---|---|---|---|
| 1 | Owen | Hudson | owen.hudson@icloud.com | San Francisco | CA | 2022-06-02 | consumer | search |
| 2 | Douglas | Mendoza | dmendoza69@gmail.com | Atlanta | GA | 2022-06-02 | consumer | NaN |
| 3 | Henry | Brooks | hbrooks@lakesidecafe.com | Los Angeles | CA | 2022-06-04 | business | NaN |
| 4 | Brian | Graham | bgraham@bluecedarhomes.com | Seattle | WA | 2022-06-06 | business | |
| 5 | Kyle | Jimenez | kjimenez27@yahoo.com | Indianapolis | IN | 2022-06-07 | consumer | NaN |
products120 filas · 8 columnas
product_idintegernamevarcharcategoryvarcharsubcategoryvarcharunit_pricedecimalunit_costdecimallaunched_ondateis_activeboolean
| product_id | name | category | subcategory | unit_price | unit_cost | launched_on | is_active |
|---|---|---|---|---|---|---|---|
| 101 | Vale Velvet Loveseat | Furniture | Sofas | 1659.00 | NaN | 2023-09-11 | true |
| 102 | Alder Oak Coffee Table | Furniture | Tables | 919.00 | 503.50 | 2024-05-16 | true |
| 103 | Orchard Rattan Dining Chair | Furniture | Chairs | 789.00 | 429.87 | 2023-05-27 | true |
| 104 | Upland Oak Bookcase | Furniture | Storage | 429.00 | 214.70 | 2022-12-20 | true |
| 105 | Avery Leather Bed Frame | Furniture | Beds | 449.00 | 232.70 | 2021-08-31 | true |
returns1,673 filas · 5 columnas
return_idintegerorder_item_idintegerreturned_ondatereasonvarcharrefund_amountdecimal
| return_id | order_item_id | returned_on | reason | refund_amount |
|---|---|---|---|---|
| 1 | 14 | 2023-01-10 | damaged | 83.69 |
| 2 | 42 | 2023-01-10 | wrong_item | 19.99 |
| 3 | 105 | 2023-01-14 | wrong_item | 10.99 |
| 4 | 24 | 2023-01-16 | changed_mind | 26.99 |
| 5 | 126 | 2023-01-16 | late | 20.99 |
employees60 filas · 8 columnas
employee_idintegerfirst_namevarcharlast_namevarchardepartmentvarchartitlevarcharmanager_idintegerhire_datedatesalaryinteger
| employee_id | first_name | last_name | department | title | manager_id | hire_date | salary |
|---|---|---|---|---|---|---|---|
| 1 | Catherine | Hale | Executive | Chief Executive Officer | NaN | 2016-03-01 | 285000 |
| 2 | Robert | Kim | Executive | Chief Operating Officer | 1 | 2017-01-09 | 235000 |
| 3 | Megan | Collins | Sales | Head of Sales | 1 | 2018-04-16 | 172000 |
| 4 | Chloe | Gutierrez | Sales | Account Executive | 3 | 2020-01-21 | 72000 |
| 5 | Frank | Bell | Sales | Account Executive | 3 | 2023-05-21 | 73000 |
web_sessions40,000 filas · 7 columnas
session_idintegercustomer_idintegerstarted_attimestampdevicevarcharsourcevarcharpages_viewedintegerconvertedboolean
| session_id | customer_id | started_at | device | source | pages_viewed | converted |
|---|---|---|---|---|---|---|
| 1 | NaN | 2023-01-01 23:02:24 | mobile | paid | 1 | false |
| 2 | 18 | 2023-01-01 15:07:49 | desktop | paid | 1 | false |
| 3 | NaN | 2023-01-01 16:55:46 | desktop | direct | 7 | false |
| 4 | NaN | 2023-01-01 12:43:28 | mobile | organic | 3 | false |
| 5 | NaN | 2023-01-01 13:06:21 | mobile | social | 2 | false |
marketing_spend3,276 filas · 3 columnas
spend_datedatechannelvarcharamountdecimal
| spend_date | channel | amount |
|---|---|---|
| 2023-01-01 | paid | 492.99 |
| 2023-01-01 | 37.38 | |
| 2023-01-01 | social | 200.53 |
| 2023-01-02 | paid | 709.13 |
| 2023-01-02 | 64.13 |
La lección
Valor futuro: en qué se convierte un ahorro regular
Si apartas la misma cantidad al final de cada mes y la cuenta paga una tasa mensual r, después
de n meses tienes:
fv = saving * ((1 + r) ** n - 1) / r
Cada depósito gana interés durante los meses que está en la cuenta: el primero durante 35 meses, el
último durante ninguno. La fórmula suma todo eso en un solo paso. En Excel es
=FV(4%/12, 36, -9584.05); el depósito es negativo porque sale de tus manos, y el resultado vuelve
positivo.
Dimensionarlo con los números de la propia tienda
Un plan de ahorro ligado a los ingresos debería usar ingresos reales. Los ingresos completados de Harbor & Pine en 2025 promediaron $191,680.90 al mes, desde $99,903 en febrero hasta unos $290,000 en noviembre y diciembre:
monthly_revenue.mean() # 191680.90
round(0.05 * monthly_revenue.mean(), 2) # 9584.05 a month
La respuesta supone que 2025 es un año típico y que el 5% se transfiere todos los meses, incluso en un febrero flojo. Anota ambos supuestos; un responsable de finanzas te lo preguntará.
Meses para pagar: NPER
La pregunta inversa: dada una cuota, ¿cuántos meses dura un préstamo? Despeja n de la fórmula del
préstamo:
r = 0.075 / 12
n = -math.log(1 - 48_000 * r / 1_500) / math.log(1 + r) # 35.81
math.ceil(n) # 36 payments
La respuesta rara vez es un número entero: 35.81 significa 35 pagos completos y un 36.º más pequeño.
Repórtalo redondeado hacia arriba. =NPER(7.5%/12, -1500, 48000) de Excel da los mismos 35.81.
Si la cuota es demasiado pequeña para cubrir siquiera el interés del primer mes ($48,000 × r = $300
aquí), el logaritmo no tiene respuesta: el préstamo nunca se pagaría.
Errores comunes
- Tasa anual, periodos mensuales.
(1.04) ** 36capitaliza el 4% treinta y seis veces y devuelve $743,706 en vez de $365,934. - Redondear los meses hacia abajo. 35 pagos de $1,500 dejan dinero pendiente; el préstamo necesita un 36.º.
- Olvidar que existe el interés. 36 × $9,584.05 = $345,025.80 es lo que aportaste, no lo que tiene la cuenta.
- Proyectar a partir de un buen mes. Usa un promedio de un año completo, para que el pico de fiestas no marque el plan.
¡Linterna encendida!
Practicaste: future valuefvnpercompound interest
- Resuelto
- Sin pistas
- Al primer intento
