Bienvenido de nuevo al curso de KnowledgeCity sobre el uso de Excel para el análisis de datos. Soy Cliff Brozo. Soy tu instructor. Y en la lección de hoy, vamos a hablar sobre cómo encontrar conjuntos de datos por lo que en realidad podemos hacer un poco de análisis de datos. Echemos un vistazo al mejor lugar para encontrar estos conjuntos de datos. Uno de los lugares más completos. para conjuntos de datos está en un sitio llamado kaggle.com, y kaggle.com presenta conjuntos de datos para casi lo que sea que estés buscando. Y en realidad es divertido ir y ver qué tipo de conjuntos de datos existen. En el lado izquierdo de la pantalla cuando vas a kaggle.com, y sí, tienes que registrarte, pero es gratis, podemos hacer clic en la palabra conjuntos de datos. Y nos llevará a todos los conjuntos de datos. que se encuentran en Kaggle. Hay algunos conjuntos de datos que son tendencia, y al mirar a través de ellos, a ver si ves algo que te interese. Hay algunos conjuntos de datos populares. Hay algunos conjuntos de datos vistos recientemente una vez que haya estado en el sitio, conjuntos de datos de películas y programas de televisión, ropa y accesorios, economía, PNL, que se ocupa de la neurolingüística, algunos conjuntos de datos sobre el cáncer, algunos conjuntos de datos sobre COVID. Y si no te gusta lo que ves, puede explorar todos los conjuntos de datos públicos que están por ahí. Cuando hago clic aquí, obtengo páginas y páginas, de hecho, 152.000 conjuntos de datos diferentes. A medida que paso, puedo ver que hay algunos que me pueda interesar. Hay algunos que tal vez no me interesen. Mientras me desplazo y desplazo y desplazo, Puedo ir y encontrar un conjunto de datos que me guste. Como puede ver, hay al menos nueve páginas. Si elijo uno en el medio, Puedo ver que no están en ningún tipo de orden. Siempre puedo escribir algo que estoy buscando si se lo que busco. Y de nuevo a medida que los atraviesas, estos conjuntos de datos son muy variados. Aquí hay uno que me interesa, información de Walmart. Echemos un vistazo a lo que hay en el conjunto de datos de Walmart. Cuando hago clic en él, me da una descripción. de lo que hay en este conjunto de datos en particular, datos de ventas de 45 tiendas de Walmart. Están enfrentando un desafío, demandas imprevistas, y se quedan sin stock de artículos. Walmart realiza rebajas promocionales durante todo el año. Preceden a fiestas destacadas, los cuatro más grandes de los cuales son el Super Bowl, el Día del Trabajo, Acción de Gracias y Navidad. Las semanas incluyendo esos días festivos se ponderan cinco veces más que la evaluación de semanas no vacacionales. Nuevamente, para entender con qué estás tratando, Realmente tienes que leer la descripción. Mientras me desplazo hacia abajo, comienza a decirme acerca de la información que hay aquí. Me da todos los nombres de campo. Me dice que me esta mostrando 10 de 17 columnas. Puedo expandir eso para seleccionar todas las columnas. y aplicar ese filtro. Obtener el mismo tipo de información, pero ahora puedo desplazarme de un lado a otro para ver el tipo de datos que hay en este conjunto de datos. A medida que me desplazo hacia abajo, me da algunas estadísticas de actividad aproximadamente cuántas veces la gente lo ha descargado y cuántas veces la gente lo ha visto. Voy a descargar este conjunto de datos. y echa un vistazo a lo que hay en él. Haga clic en el botón de descarga, y me abre un archivo, y aquí está el conjunto de datos limpios de Walmart. Cuando abro el conjunto de datos, puedo ver que tengo todos los datos, y lo primero que debe hacer es familiarizarse con cuántos registros estás tratando. Voy a pasar por el lado derecho e ir todo el camino hacia abajo para ver que tengo 42.000 filas. Esa es una cantidad bastante decente de datos. subo hasta el principio, y hay un par de cosas que me gustaría hacer antes de empezar a mirar los datos. El número uno es que tomo la fila uno y congelo los paneles. Esto está en la pestaña de vista, y congelo los paneles, y digo congelar la fila superior. Lo que esto hace por mí es que mientras me desplazo hacia abajo, Todavía tengo mis títulos. También me gustaría envolver el texto, así que voy a mi pestaña de inicio y hago clic en ajustar texto. Y eso me da un poco más de una vista de lo que representan estas columnas. Al observar los datos, Puedo ver que tengo números de tienda, fechas, si es o no un día de fiesta, en qué departamento está, qué ventas semanales, la temperatura del día, el precio del combustible del día, las cinco categorías de rebajas diferentes, un índice de precios al consumidor, tasa de desempleo, tipo y tamaño, y si no recuerdas que son esas cosas, siempre puedes volver a Kaggle y averiguarlo. En este caso, el tipo representa una categoría de tiendas, y el tamaño es el metraje cuadrado de una tienda en particular. Ahora es el momento de proponer algún tipo de hipótesis. decir en base a los datos que tengo frente a mí, ¿Qué puedo inferir de los datos que están disponibles? Al pensar en ello, Quisiera saber si la temperatura, la temperatura exterior, tiene algún efecto en las ventas diarias. ¿Irá la gente de compras cuando haga mucho frío? ¿Irá la gente de compras cuando esté hirviendo? A ver si podemos averiguarlo. Una vez más, voy a insertar una tabla dinámica. Me aseguro de estar en algún lugar de esta mesa. Inserte la tabla dinámica. Sabe cuál es mi mesa. Hago clic en Aceptar y aquí están mis campos de tabla dinámica. me interesa la temperatura y también estoy interesado en las ventas semanales, y eso me va a dar todo de mis diferentes temperaturas así como las ventas de esa semana. A continuación, quiero probar mis hipótesis. y ver si importa en función de la temperatura. Lo primero que haré será tomarme la temperatura, y ordenaré esos datos, iré a mi pestaña de inicio. Quiero ordenarlo de mayor a menor, y aparentemente el día más caluroso fue de poco más de 100 grados. Ahora me gustaría averiguar, ¿La gente compra cuando hace 100 grados? Cuando miro todos estos números, Veo que es muy difícil averiguar si o no hay ningún tipo de patrón. Voy a aplicar un formato condicional a mi suma de ventas semanales eso me mostrará visualmente cuando la gente compre. Hago clic en toda la columna B. Esa es la columna que quiero formatear. Elijo el formato condicional, y voy a entrar en mis reglas superior e inferior y decir, "Dame el 10% superior". Quiero averiguar cuál es el 10% superior de las ventas, así que voy al formato condicional, mis reglas superior e inferior, elegir el 10% superior, y formatéalo para que sea del color que me gusta. Voy a elegir verde. Hago clic en Aceptar y, de inmediato, no veo nada. Antes de alarmarme, empiezo a desplazarme hacia abajo, y no es hasta que la temperatura es de 91 grados ¿Tengo ventas que están en el top 10? Lo que eso me dice es que la gente no está comprando cuando hace mucho calor porque solo uno de estos números, y sigo desplazándome hacia abajo, Tengo justo por encima de 90 grados. Ahí está el segundo. Sigo desplazándome hacia abajo, 89 grados. Entonces, de 112 temperaturas diferentes que van de 89 o 90 grados en adelante, sólo tres veces hubo grandes cantidades de ventas. Sigo desplazándome hacia abajo y desplazándome hacia abajo y desplazándome hacia abajo. Salto a casi 88 grados y tengo otro. 87 grados, tengo otro. Son solo cinco. 87 grados. Lo que esto me está mostrando es que no mucha gente compra cuando hace mucho calor. A medida que me desplazo hacia abajo a través del conjunto de datos, Tomaré mi barra de desplazamiento aquí, y a medida que entro en las temperaturas más templadas, tendre mas y mas datos que está en el 10% superior de las ventas. Esta es solo una forma en que puedo tomar un conjunto de datos y elige una hipótesis y luego probar si mi conjetura va a estar bien o mal. Ahora ya sabe dónde encontrar conjuntos de datos y qué hacer con ellos una vez que tenga uno. Nos vemos la próxima vez.
