Caso de estudio: Visualización precios de bolsa#

  • Ultima modificación: Feb 04, 2024 | YouTube

La url ‘https://raw.githubusercontent.com/jdvelasq/datalabs/master/datasets/precio_bolsa_nacional/csv/*.csv’ contiene los archivos de los precios horarios de bolsa para el mercado electrico colombiano. Construya una gráfica que contenga los precios promedios diarios y los precios promedios mensuales.

assets/repo_precios_bolsa.png

[1]:

#
# Creación del vector de fechas
#
fechas = [
    "{:4d}{:02d}".format(year, month)
    for year in range(1995, 2022)
    for month in range(1, 13)
]
fechas = [fecha for fecha in fechas if fecha >= "199507" and fecha <= "202104"]
fechas[0], fechas[-1], len(fechas)

[1]:

('199507', '202104', 310)

[2]:

#
# Lectura de los archivos
#
import pandas as pd

url = (
    "https://raw.githubusercontent.com/"
    "jdvelasq/datalabs/master/datasets/precio_bolsa_nacional/csv/{}.csv"
)

org_df = pd.concat([pd.read_csv(url.format(fecha)) for fecha in fechas])
org_df.head()

[2]:
Fecha 0 1 2 3 4 5 6 7 8 ... 14 15 16 17 18 19 20 21 22 23
0 1995-07-21 1.073 1.0 1.0 1.0 1.0 1.0 5.0 6.0 6.0 ... 5.0 1.0 1.0 5.0 12.0 16.67 11.929 5.0 1.0 1.0
1 1995-07-22 1.073 1.073 1.0 1.0 1.0 1.073 1.303 1.303 1.303 ... 1.073 1.0 1.0 1.0 1.303 2.5 2.5 1.303 1.073 1.073
2 1995-07-23 1.073 1.0 1.0 1.0 1.0 1.0 0.1 1.0 1.0 ... 1.0 0.1 0.1 1.0 1.238 1.238 1.238 1.238 1.073 1.0
3 1995-07-24 1.0 1.0 0.99 1.0 1.0 1.073 3.0 3.0 3.0 ... 1.073 1.073 3.0 2.0 18.63 22.5 9.256 3.0 1.073 1.0
4 1995-07-25 0.99 0.99 0.989 0.99 0.99 1.073 1.263 1.263 1.263 ... 1.073 1.073 1.073 1.073 1.263 1.5 1.263 1.263 1.073 0.99

5 rows × 25 columns

[3]:

org_df.tail()

[3]:
Fecha 0 1 2 3 4 5 6 7 8 ... 14 15 16 17 18 19 20 21 22 23
25 2021-04-26 145.89 163.89 162.74 145.89 163.89 166.5 170.89 189.89 189.89 ... 218.89 218.89 201.89 189.89 201.89 201.89 201.89 189.89 189.89 173.89
26 2021-04-27 170.02 170.52 170.02 170.02 170.02 170.52 172.52 173.52 188.52 ... 189.52 189.52 189.52 188.52 189.52 189.52 189.52 187.52 173.52 172.52
27 2021-04-28 147.25 147.25 147.25 147.25 147.25 159.23 169.25 190.25 190.25 ... 190.25 190.25 190.25 176.25 190.25 190.25 190.25 190.25 169.25 147.25
28 2021-04-29 116.12 129.12 129.12 129.12 129.12 129.12 129.12 168.12 168.12 ... 186.12 204.12 168.12 168.12 204.12 204.12 186.12 168.12 168.12 168.12
29 2021-04-30 113.42 113.42 113.42 113.42 113.42 125.42 125.42 125.42 160.32 ... 160.32 160.32 157.4 157.4 160.32 160.32 160.32 160.32 160.32 125.42

5 rows × 25 columns

[4]:

#
# Manipulacion del dataframe
#
melted_df = pd.melt(
    org_df,
    id_vars="Fecha",
    var_name="Hora",
    value_name="Precio",
)

melted_df = melted_df.sort_values(["Fecha", "Hora"]).reset_index(drop=True)
melted_df.head()

[4]:
Fecha Hora Precio
0 1995-07-21 0 1.073
1 1995-07-21 1 1.0
2 1995-07-21 10 6.0
3 1995-07-21 11 9.256
4 1995-07-21 12 9.256 
[5]:

#
# Verificación de los tipos para buscar problemas
#
melted_df.dtypes

[5]:

Fecha     object
Hora      object
Precio    object
dtype: object

[6]:

#
# Registros con precios NA
#
melted_df.Precio.isna().sum()

[6]:

21

[7]:

#
# Tamaño original del dataframe
#
melted_df.shape

[7]:

(228528, 3)

[8]:

#
#
# Eliminación de NA y tamaño final del dataframe
#
melted_df = melted_df.dropna()
melted_df.shape

[8]:

(228507, 3)

[9]:

melted_df

[9]:
Fecha Hora Precio
0 1995-07-21 0 1.073
1 1995-07-21 1 1.0
2 1995-07-21 10 6.0
3 1995-07-21 11 9.256
4 1995-07-21 12 9.256
... ... ... ...
228523 2021-04-30 5 125.42
228524 2021-04-30 6 125.42
228525 2021-04-30 7 125.42
228526 2021-04-30 8 160.32
228527 2021-04-30 9 160.32

228507 rows × 3 columns

[10]:

#
# Búsqueda de registros con str en los precios
#
melted_df[melted_df["Precio"].map(lambda x: isinstance(x, str))].sort_values("Precio")

[10]:
Fecha Hora Precio
179327 2015-09-25 9 1.004,81
179314 2015-09-25 18 1.004,81
179358 2015-09-27 14 1.014,81
179354 2015-09-27 10 1.014,81
179362 2015-09-27 18 1.014,81
... ... ... ...
179804 2015-10-15 6 990,52
179805 2015-10-15 7 990,52
179753 2015-10-13 3 990,52
179754 2015-10-13 4 990,52
179800 2015-10-15 23 990,52

8760 rows × 3 columns

[11]:

#
# Se elimina el '.' de los miles
#
melted_df["Precio"] = melted_df["Precio"].map(
    lambda x: x.replace(".", "") if isinstance(x, str) else x
)

#
# Se reemplaza la ',' por '.'
#
melted_df["Precio"] = melted_df["Precio"].map(
    lambda x: float(x.replace(",", ".")) if isinstance(x, str) else x
)

#
# Vefificación
#
melted_df["Precio"][melted_df["Precio"].map(lambda x: isinstance(x, str))].sort_values()

[11]:

Series([], Name: Precio, dtype: float64)

[12]:

#
# Revisión de los tipos de datos
#
melted_df.dtypes

[12]:

Fecha      object
Hora       object
Precio    float64
dtype: object

[13]:

#
# Cálculo de los precios diarios y renombramiento de la columna
#
import numpy as np

precios_df = melted_df.groupby(["Fecha"]).agg({"Precio": np.mean})
precios_df = precios_df.rename(columns={"Precio": "Precio diario"})
precios_df.head()

[13]:
Precio diario
Fecha
1995-07-21 4.924333
1995-07-22 1.269500
1995-07-23 0.953083
1995-07-24 4.305917
1995-07-25 1.149167 
[14]:

#
# Tranformación del indice a tipo fecha
#
precios_df.index = pd.to_datetime(precios_df.index)

#
# Cálculo del precio promedio por mes
#
precios_df["Precio mensual"] = precios_df.groupby(
    [precios_df.index.year, precios_df.index.month]
)["Precio diario"].transform(np.mean)

precios_df.head()

[14]:
Precio diario Precio mensual
Fecha
1995-07-21 4.924333 1.552087
1995-07-22 1.269500 1.552087
1995-07-23 0.953083 1.552087
1995-07-24 4.305917 1.552087
1995-07-25 1.149167 1.552087 
[15]:

import matplotlib.pyplot as plt

precios_df.plot(style=["gray", "k"], figsize=(8, 3))
plt.xticks(rotation="vertical", fontsize=8)
plt.yticks(fontsize=8)
plt.gca().spines["left"].set_color("gray")
plt.gca().spines["bottom"].set_color("gray")
plt.gca().spines["top"].set_visible(False)
plt.gca().spines["right"].set_visible(False)
plt.legend(fontsize=8)
plt.show()
../../_images/01_matplotlib_notebooks_13_tutorial_precios_de_bolsa_17_0.png