Visualización de tendencias mensuales

Antes de crear el gráfico, agregue el DataFrame de ventas para obtener los totales mensuales. Agrupe por la columna Period year_month y sume los ingresos. Convierta el PeriodIndex en un DatetimeIndex con .to_timestamp() para que el formateador de fechas de Matplotlib muestre correctamente las etiquetas de los ejes. Ordenar por índice garantiza que el gráfico de líneas avance cronológicamente de izquierda a derecha.

Cree una Figure y unos Axes con plt.subplots(figsize=(12, 5)) y llame a ax.plot() para dibujar la tendencia de los ingresos mensuales. Utilice marker='o' para colocar un punto en cada mes, de modo que los puntos de datos individuales sean visibles incluso cuando la línea sea suave. Establezca el color y el ancho de línea para que la tendencia principal destaque frente a las superposiciones que añada posteriormente.

Una línea de ingresos mensuales sin procesar puede parecer irregular debido al ruido estacional. Superponga una media móvil de 3 meses calculada con monthly.rolling(3).mean() para mostrar con mayor claridad la tendencia subyacente. Represéntela como una línea discontinua de un color contrastante para que destaque frente a la serie sin ocultarla.

Utilice ax.annotate() para marcar el mes con mayores ingresos. Encuentre el máximo con monthly.idxmax() y su valor con monthly.max(). La flecha de anotación apunta desde una etiqueta de texto hasta el punto máximo de los datos, haciendo que la información sea inmediatamente visible para cualquier lector del gráfico, incluidos quienes lo reciban como PNG o PDF.

Del mismo modo, marque el mes con los ingresos más bajos mediante monthly.idxmin() para detectar posibles patrones estacionales o interrupciones. Las anotaciones tanto del máximo como del mínimo ofrecen una visión completa: permiten a las partes interesadas ver no solo el mejor mes, sino también hasta qué punto pueden caer los ingresos, lo que ayuda a planificar el flujo de caja.

Las etiquetas de fecha predeterminadas de Matplotlib suelen superponerse o utilizar un formato difícil de leer. Importe mdates desde matplotlib y configure un MonthLocator y un DateFormatter para controlar la frecuencia de las marcas y el formato de las etiquetas. Girar las etiquetas de las marcas 45 grados evita que se superpongan en un eje de 12 meses.

Resalte el periodo del cuarto trimestre (octubre–diciembre) con un fondo sombreado mediante ax.axvspan(). Esto hace que los patrones estacionales sean visibles de inmediato: si el máximo cae sistemáticamente dentro de la zona sombreada, el cuarto trimestre es un periodo clave de ventas al que conviene dirigir promociones. El parámetro alpha controla la transparencia del sombreado.

Cree un gráfico de varias líneas en el que cada línea represente una categoría de producto. Reestructure el DataFrame mensual por categoría para que las columnas sean las categorías y el índice sea el tiempo; después, recorra las columnas y llame a ax.plot() para cada una. Matplotlib asigna automáticamente un color diferente a cada línea cuando se realizan llamadas repetidas sobre los mismos Axes.

Un gráfico de barras apiladas muestra los ingresos mensuales totales y, al mismo tiempo, revela la contribución de cada categoría al total. Use monthly_cat.plot(kind='bar', stacked=True, ax=ax) directamente sobre el DataFrame reestructurado. Las barras apiladas son más adecuadas cuando hay menos de seis categorías; de lo contrario, los colores resultan difíciles de distinguir.

Represente la tasa porcentual de crecimiento intermensual junto con los ingresos para aportar contexto: una barra visualmente pequeña en enero podría representar un aumento del 20 % con respecto al mes anterior. Calcule el crecimiento con monthly.pct_change() * 100 y represéntelo en un eje Y secundario mediante ax.twinx(), de modo que comparta el mismo eje X sin mezclar las unidades.

Use fig.savefig('monthly_trend.png', dpi=150, bbox_inches='tight') para generar un PNG de alta resolución adecuado para presentaciones o paneles web. El argumento bbox_inches='tight' recorta el espacio en blanco sobrante, y dpi=150 proporciona una imagen nítida sin crear un archivo excesivamente grande. Guárdela también en PDF para obtener informes con calidad de impresión.

Compruebe su comprensión de los conceptos de análisis de datos de esta lección.

En esta lección ha aprendido a: calcular los ingresos mensuales totales y representarlos en un gráfico de líneas, superponer una media móvil y anotar los meses con máximos y mínimos, y guardar figuras con calidad de publicación en PNG y PDF. A continuación, exploraremos la creación de sesiones y la secuenciación de eventos en datos de comportamiento de usuarios.