Estoy tratando de crear un conjunto de datos para un sistema de generación que me gustaría hacer. El conjunto de datos en sí se compone de 5 datasets. El sistema que quiero crear debería ser capaz de, basándose en el historial de ventas de productos (alimentos), poder utilizar los ingredientes que componen las recetas de estos alimentos y generar diferentes secuencias de combinaciones diferentes de ingredientes, para formar alimentos nuevos.
Para esto, estoy utilizando las hamburguesas que tiene a la venta actualmente la cadena 'Burger King', y construyendo un conjunto de datos haciendo uso de la librería random de Python.
He mencionado que construyo 5 datasets diferentes, pero únicamente uno es el que me genera el problema (dataset que registra el historial de ventas de un año en concreto). Los otros 4 datasets, recogen los distintos tipos de hamburguesas que hay a la venta (pollo, ternera, vegetal...), haciendo uso de una codificación ONE-HOT en cada fila (cada hamburguesa) para indicar que ingredientes lleva la hamburguesa, y cuales no.
Lo que ocurre es lo siguiente: - Trato de generar el dataset, y se genera correctamente (400000 ejemplos; dos columnas ('nombreHamburguesa', 'Fecha_venta')). - Al analizar el dataset, veo que se obtienen diferentes proporciones de hamburguesas según los tipos: - 200000 de ternera. - 80000 de pollo. - ...
El problema principal es que, si tengo 200000 hamburguesas de ternera vendidas en un año, tras la creación del conjunto de datos el número de apariciones de cada hamburguesa de ternera es practicamente identico. Si tengo 10 hamburguesas de ternera diferentes a la venta, en el dataset generado, aparece que se ha vendido unas 20000 unidades de cada una.
Me gustaría saber si existe alguna forma diferentes de aplicar la misma lógica para la creación del dataset, y obtener unas proporciones finales diferentes.
Código de generación de los conjuntos de datos
import pandas as pd
import random
from datetime import datetime, timedelta
import numpy as np
def generarDataFramesHamburguesas():
burgersTernera = ['Burger',
'Cheeseburger',
'Doble Cheeseburger',
'Rodeo Burger',
'Big King',
'Big King XXL',
'Doble Cheesebacon',
'Doble Cheesebacon XXL',
'Doble Cheeseburger BBQ',
'Whopper',
'Doble Whooper',
'Triple Whooper',
'Whopper Jr',
'The King Huevo (1 carne)',
'The King Huevo (2 carnes)',
'Steakhouse',
'Doble Steakhouse',
'Duo Bacon Cheddar Brioche (1 carne)',
'Duo Bacon Cheddar Brioche (2 carnes)',
'Cheesy Doritos (1 carne)',
'Cheesy Doritos (2 carnes)']
burgersPollo = ['Chicken burguer',
'Crispy Chicken',
'Doble Crispy Chicken',
'Rodeo Burger pollo',
'Long Chicken',
'Chicken Wrap',
'King Chicken',
'Duo Bacon Cheddar Doble Crispy Chicken Brioche',
'Cheesy Doritos Crispy Chicken']
burgersSinGluten = ['Whopper sin gluten',
'Burger sin gluten',
'CheeseBurger sin gluten']
burgersVegetales = ['Cheesy Doritos Vegetal (1 carne)',
'Cheesy Doritos Vegetal (2 carnes)',
'Big King Vegetal',
'Long Vegetal',
'Whopper Vegetal',
'Doble Cheeseburger Vegetal',]
ingHamburguesasTernera = {
'Burger': 'Pan H1, Patty Ternera, Ketchup, Mostaza, Pepinillo',
'Cheeseburger': 'Pan H1, Patty Ternera, Queso Cheddar, Ketchup, Mostaza, Pepinillo',
'Doble Cheeseburger': 'Pan H1, Patty Ternera, Queso Cheddar, Ketchup, Mostaza, Pepinillo',
'Rodeo Burger': 'Pan H3, Patty Ternera, Aros Cebolla, Salsa Barbacoa',
'Big King': 'Pan H8, Patty Ternera, Queso Cheddar, Cebolla, Lechuga, Pepinillo, Salsa Big King',
'Big King XXL': 'Pan H2, Carne Whopper, Queso Cheddar, Cebolla, Lechuga, Pepinillo, Salsa Big King',
'Doble Cheesebacon': 'Pan H1, Patty Ternera, Queso Cheddar, Ketchup, Mostaza, Pepinillo, Bacon',
'Doble Cheesebacon XXL': 'Pan H2, Carne Whopper, Queso Cheddar, Ketchup, Mostaza, Pepinillo, Bacon',
'Doble Cheeseburger BBQ': 'Pan H1, Patty Ternera, Queso Cheddar, Salsa Barbacoa, Pepinillo',
'Whopper': 'Pan H2, Carne Whopper, Lechuga, Cebolla, Tomate, Pepinillo, Ketchup, Mayonesa',
'Doble Whooper': 'Pan H2, Carne Whopper, Lechuga, Cebolla, Tomate, Pepinillo, Ketchup, Mayonesa',
'Triple Whooper': 'Pan H2, Carne Whopper, Lechuga, Cebolla, Tomate, Pepinillo, Ketchup, Mayonesa',
'Whopper Jr': 'Pan H1, Patty Ternera, Lechuga, Cebolla, Tomate, Pepinillo, Ketchup, Mayonesa',
'The King Huevo (1 carne)': 'Pan H2, Carne Whopper, Tomate, Cebolla frita, Huevo frito, Bacon, Queso Cheddar',
'The King Huevo (2 carnes)': 'Pan H2, Carne Whopper, Tomate, Cebolla frita, Huevo frito, Bacon, Queso Cheddar',
'Steakhouse': 'Pan H4, Carne Whopper, Lechuga, Tomate, Pepinillo, Salsa Barbacoa, Mayonesa',
'Doble Steakhouse': 'Pan H4, Carne Whopper, Lechuga, Tomate, Pepinillo, Salsa Barbacoa, Mayonesa',
'Duo Bacon Cheddar Brioche (1 carne)': 'Pan Brioche, Carne Whopper, Salsa Cheddar, Queso Cheddar, Bacon, Tomate, Cebolla frita',
'Duo Bacon Cheddar Brioche (2 carnes)': 'Pan Brioche, Carne Whopper, Salsa Cheddar, Queso Cheddar, Bacon, Tomate, Cebolla frita',
'Cheesy Doritos (1 carne)': 'Pan Doritos, Carne Whopper, Snack Doritos, Queso Cheddar, Salsa cheddar Doritos',
'Cheesy Doritos (2 carnes)': 'Pan Doritos, Carne Whopper, Snack Doritos, Queso Cheddar, Salsa cheddar Doritos'
}
ingHamburguesasPollo = {
'Chicken burguer': 'Pan H1, Patty Pollo, Mayonesa, Lechuga',
'Crispy Chicken': 'Pan H1, Carne Crispy, Mayonesa, Lechuga, Tomate',
'Doble Crispy Chicken': 'Pan H1, Carne Crispy, Mayonesa, Lechuga, Tomate',
'Rodeo Burger pollo': 'Pan H3, Patty Pollo, Aros Cebolla, Salsa Barbacoa',
'Long Chicken': 'Pan H3, Carne Long, Mayonesa, Lechuga',
'Chicken Wrap': 'Rollito, Carne Crispy, Mayonesa, Lechuga, Tomate, Queso Cheddar',
'King Chicken': 'Pan rustico, Bacon, Pollo premium, Salsa Relish, Tomate, Canonigos y rucula, Queso Cheddar',
'Duo Bacon Cheddar Doble Crispy Chicken Brioche': 'Pan Brioche, Carne Crispy, Bacon, Queso Cheddar, Tomate, Cebolla frita, Salsa Cheddar',
'Cheesy Doritos Crispy Chicken': 'Pan Doritos, Carne Crispy, Snack Doritos, Queso Cheddar, Salsa cheddar Doritos, Tomate'
}
ingHamburguesasSinGluten = {
'Whopper sin gluten': 'Pan sin gluten, Carne Whopper, Lechuga, Cebolla, Tomate, Pepinillo, Ketchup, Mayonesa sin gluten',
'Burger sin gluten': 'Pan sin gluten, Carne Whopper, Pepinillo, Ketchup',
'CheeseBurger sin gluten':'Pan sin gluten, Carne Whopper, Pepinillo, Ketchup, Queso Cheddar'
}
ingHamburguesasVegetales = {
'Cheesy Doritos Vegetal (1 carne)': 'Pan Doritos, Carne Rebel Whopper, Snack Doritos, Queso Cheddar, Salsa cheddar Doritos, Tomate',
'Cheesy Doritos Vegetal (2 carnes)': 'Pan Doritos, Carne Rebel Whopper, Snack Doritos, Queso Cheddar, Salsa cheddar Doritos, Tomate',
'Big King Vegetal': 'Pan H8, Patty Vegetal, Queso Cheddar, Cebolla, Lechuga, Pepinillo, Salsa Big King',
'Long Vegetal': 'Pan H3, Carne Long Vegetal, Lechuga, Mayonesa',
'Whopper Vegetal': 'Pan H2, Carne Rebel Whopper, Lechuga, Cebolla, Tomate, Pepinillo, Ketchup, Mayonesa',
'Doble Cheeseburger Vegetal': 'Pan H1, Patty Vegetal, Queso Cheddar, Ketchup, Mostaza, Pepinillo',
}
listaIngredientesTernera = []
for valor in ingHamburguesasTernera.values(): # <-- Recorro el dict de ternera y añado cada valor de las parejas a la lista.
listaIngredientesTernera.append(valor)
listaIngredientesPollo = []
for valor in ingHamburguesasPollo.values(): # <-- Recorro el dict de pollo y añado cada valor de las parejas a la lista.
listaIngredientesPollo.append(valor)
listaIngredientesSinGluten = []
for valor in ingHamburguesasSinGluten.values():
listaIngredientesSinGluten.append(valor)
listaIngredientesVegetales = []
for valor in ingHamburguesasVegetales.values():
listaIngredientesVegetales.append(valor)
recetasTernera = [] # <-- Creo una nueva lista y añado los ingredientes por separado
for ingredientes in listaIngredientesTernera:
recetasTernera.append(ingredientes.split(','))
recetasPollo = [] # <-- Creo una nueva lista y añado los ingredientes por separado
for ingredientes in listaIngredientesPollo:
recetasPollo.append(ingredientes.split(','))
recetasSinGluten = [] # <-- Creo una nueva lista y añado los ingredientes por separado
for ingredientes in listaIngredientesSinGluten:
recetasSinGluten.append(ingredientes.split(','))
recetasVegetales = []
for ingredientes in listaIngredientesVegetales:
recetasVegetales.append(ingredientes.split(','))
# Crear una lista plana de todos los ingredientes
ingredientesTernera = [ingrediente for receta in recetasTernera for ingrediente in receta]
# Crear una lista plana de todos los ingredientes
ingredientesPollo = [ingrediente for receta in recetasPollo for ingrediente in receta]
# Crear una lista plana de todos los ingredientes
ingredientesSinGluten = [ingrediente for receta in recetasSinGluten for ingrediente in receta]
ingredientesVegetales = [ingrediente for receta in recetasVegetales for ingrediente in receta]
# Obtener ingredientes únicos
ingredientesTernera_unicos = list(set(ingredientesTernera))
ingredientesPollo_unicos = list(set(ingredientesPollo))
ingredientesSinGluten_unicos = list(set(ingredientesSinGluten))
ingredientesVegetales_unicos = list(set(ingredientesVegetales))
df_ternera = pd.DataFrame(index=burgersTernera, columns=ingredientesTernera_unicos)
df_pollo = pd.DataFrame(index=burgersPollo, columns=ingredientesPollo_unicos)
df_sinGluten = pd.DataFrame(index=burgersSinGluten, columns=ingredientesSinGluten_unicos)
df_vegetales = pd.DataFrame(index=burgersVegetales, columns=ingredientesVegetales_unicos)
for i, receta in enumerate(recetasTernera):
fila = {ingrediente: 1 if ingrediente in receta else 0 for ingrediente in ingredientesTernera_unicos}
df_ternera.loc[burgersTernera[i]] = fila
for i, receta in enumerate(recetasPollo):
fila = {ingrediente: 1 if ingrediente in receta else 0 for ingrediente in ingredientesPollo_unicos}
df_pollo.loc[burgersPollo[i]] = fila
for i, receta in enumerate(recetasSinGluten):
fila = {ingrediente: 1 if ingrediente in receta else 0 for ingrediente in ingredientesSinGluten_unicos}
df_sinGluten.loc[burgersSinGluten[i]] = fila
for i, receta in enumerate(recetasVegetales):
fila = {ingrediente: 1 if ingrediente in receta else 0 for ingrediente in ingredientesVegetales_unicos}
df_vegetales.loc[burgersVegetales[i]] = fila
return df_ternera, df_pollo, df_sinGluten, df_vegetales
def generarDatasetHamburguesas(df_ternera, df_pollo, df_sinGluten, df_vegetales):
df_ternera.to_csv('hamburguesas_ternera.csv')
df_pollo.to_csv('hamburguesas_pollo.csv')
df_sinGluten.to_csv('hamburguesas_sinGluten.csv')
df_vegetales.to_csv('hamburguesas_vegetales.csv')
return 'Dataset de hamburguesas creados!'
if __name__ == '__main__':
df_ternera, df_pollo, df_sinGluten, df_vegetales = generarDataFramesHamburguesas()
burgers = df_ternera.index # <-- Obtengo los nombres de todas las hamburguesas de ternera.
pollo = df_pollo.index # <-- Obtengo los nombres de todas las hamburguesas de pollo.
sinGluten = df_sinGluten.index
vegetales = df_vegetales.index
#generarDatasetHamburguesas(df_ternera, df_pollo, df_sinGluten, df_vegetales)
# Defino el periodo de tiempo en el que se registrarán las ventas del dataset.
fecha_inicial = datetime(2022, 1, 1)
fecha_final = datetime(2022, 12, 31)
verano_inicio = datetime(2022, 6, 21)
verano_final = datetime(2022, 9, 21)
navidad_inicio = datetime(2022, 12, 25)
navidad_final = datetime(2022, 12, 31)
fechas_aleatorias = []
historialHamburguesasVendidas = []
contador = 0
while contador < 400000:
dia = random.randint(1,10)
diasVerano = [4,5,6]
diasNavidad = [1]
numero = random.randint(1,25)
if numero <= 14:
hamburguesa = random.choice(burgers)
historialHamburguesasVendidas.append(hamburguesa)
if dia in diasVerano:
delta = verano_final - verano_inicio
random_delta = random.randint(0, delta.days)
fecha_aleatoria = verano_inicio + timedelta(days=random_delta)
fechas_aleatorias.append(fecha_aleatoria)
contador +=1
elif dia in diasNavidad:
delta = navidad_final - navidad_inicio
random_delta = random.randint(0, delta.days)
fecha_aleatoria = navidad_inicio + timedelta(days=random_delta)
fechas_aleatorias.append(fecha_aleatoria)
contador +=1
else:
# Calcular un delta de tiempo aleatorio dentro del rango de fechas
delta = fecha_final - fecha_inicial
random_delta = random.randint(0, delta.days)
# Crear una fecha aleatoria sumando el delta a la fecha inicial
fecha_aleatoria = fecha_inicial + timedelta(days=random_delta)
# Agregar la fecha aleatoria a la lista
fechas_aleatorias.append(fecha_aleatoria)
contador +=1
elif numero >= 15 and numero <= 19:
hamburguesa = random.choice(pollo)
historialHamburguesasVendidas.append(hamburguesa)
if dia in diasVerano:
delta = verano_final - verano_inicio
random_delta = random.randint(0, delta.days)
fecha_aleatoria = verano_inicio + timedelta(days=random_delta)
fechas_aleatorias.append(fecha_aleatoria)
contador +=1
elif dia in diasNavidad:
delta = navidad_final - navidad_inicio
random_delta = random.randint(0, delta.days)
fecha_aleatoria = navidad_inicio + timedelta(days=random_delta)
fechas_aleatorias.append(fecha_aleatoria)
contador +=1
else:
# Calcular un delta de tiempo aleatorio dentro del rango de fechas
delta = fecha_final - fecha_inicial
random_delta = random.randint(0, delta.days)
# Crear una fecha aleatoria sumando el delta a la fecha inicial
fecha_aleatoria = fecha_inicial + timedelta(days=random_delta)
# Agregar la fecha aleatoria a la lista
fechas_aleatorias.append(fecha_aleatoria)
contador +=1
elif numero >= 20 and numero <= 21:
hamburguesa = random.choice(sinGluten)
historialHamburguesasVendidas.append(hamburguesa)
if dia in diasVerano:
delta = verano_final - verano_inicio
random_delta = random.randint(0, delta.days)
fecha_aleatoria = verano_inicio + timedelta(days=random_delta)
fechas_aleatorias.append(fecha_aleatoria)
contador +=1
elif dia in diasNavidad:
delta = navidad_final - navidad_inicio
random_delta = random.randint(0, delta.days)
fecha_aleatoria = navidad_inicio + timedelta(days=random_delta)
fechas_aleatorias.append(fecha_aleatoria)
contador +=1
else:
# Calcular un delta de tiempo aleatorio dentro del rango de fechas
delta = fecha_final - fecha_inicial
random_delta = random.randint(0, delta.days)
# Crear una fecha aleatoria sumando el delta a la fecha inicial
fecha_aleatoria = fecha_inicial + timedelta(days=random_delta)
# Agregar la fecha aleatoria a la lista
fechas_aleatorias.append(fecha_aleatoria)
contador +=1
elif numero >= 22 and numero <= 24:
hamburguesa = random.choice(vegetales)
historialHamburguesasVendidas.append(hamburguesa)
if dia in diasVerano:
delta = verano_final - verano_inicio
random_delta = random.randint(0, delta.days)
fecha_aleatoria = verano_inicio + timedelta(days=random_delta)
fechas_aleatorias.append(fecha_aleatoria)
contador +=1
elif dia in diasNavidad:
delta = navidad_final - navidad_inicio
random_delta = random.randint(0, delta.days)
fecha_aleatoria = navidad_inicio + timedelta(days=random_delta)
fechas_aleatorias.append(fecha_aleatoria)
contador +=1
else:
# Calcular un delta de tiempo aleatorio dentro del rango de fechas
delta = fecha_final - fecha_inicial
random_delta = random.randint(0, delta.days)
# Crear una fecha aleatoria sumando el delta a la fecha inicial
fecha_aleatoria = fecha_inicial + timedelta(days=random_delta)
# Agregar la fecha aleatoria a la lista
fechas_aleatorias.append(fecha_aleatoria)
contador +=1
else:
'Historial de ventas creado!'
datasetFinal = pd.DataFrame({'Hamburguesa': historialHamburguesasVendidas, 'Fecha_venta': fechas_aleatorias})
datasetFinal.to_csv('conjuntoVentasVerano2022.csv')
print('Dataset creado!')
Imágenes relacionadas
Ventas hamburguesas de pollo:
Ventas totales de cada tipo de hamburguesa en el conjunto de datos:
random
te garantiza una distribución uniforme por construcción. Puedes obtener otras distribuciones con diferentes operaciones: rand()+rand() distribución gaussiana, mod(rand()) distribución en sierra, etc. En el módulo random tienes algunas de estas distribuciones listas para usar.