Análisis ClassicModels - Python & PostgreSQL

Proyecto de análisis de datos usando Python, pandas, PostgreSQL y Docker para el dataset ClassicModels.

Configuración Rápida

Prerrequisitos

• Docker y Docker Compose
• Miniconda/Anaconda
• Git

Instalación

# 1. Clonar repositorio
git clone https://github.com/tuusuario/classicmodels-analysis.git
cd classicmodels-analysis

# 2. Ejecutar setup completo
./setup.sh

# 3. Iniciar análisis
./start_analysis.sh

Estructura del Proyecto

classicmodels-analysis/
├──  README.md                     # Este archivo
├──  setup.sh                        # Script de configuración
├──  start_analysis.sh               # Script de inicio rápido
├──  docker-compose.yml              # Configuración Docker
├──  .env                            # Template de configuración
├── classicmodels-env.yml            # Ambiente conda
├──  notebooks/
│   ├──Python_dataAnalytics_rrg.ipynb # Análisis
├──  funciones/
│   ├── funcionesPrueba.py           # Funciones reutilizables
├── data/
│   └── classicmodels.sql            # Dataset SQL
└──python_dataAnalytics.yml          # Ambiente conda

Ambiente Python

El proyecto usa un ambiente conda minimalista con:

• Python 3.9
• pandas - Manipulación de datos
• numpy - Computación numérica
• jupyter/jupyterlab - Notebooks interactivos
• psycopg2 - Conector PostgreSQL
• sqlalchemy - ORM y conexiones DB
• matplotlib/seaborn - Visualización básica

Servicios Docker

• PostgreSQL 15 - Base de datos principal

Análisis Realizados

1. Análisis Exploratorio

• Estructura de datos y relaciones
• Calidad de datos y valores faltantes
• Estadísticas descriptivas

2. Análisis de Ventas 2005

• Top 10 clientes por ventas brutas
• Top 10 productos más vendidos

3. Análisis de Clientes

• Clientes activos vs inactivos
• Reportes de actividad

Comandos Útiles

# Gestión del ambiente
conda activate classicmodels         # Activar ambiente
conda deactivate                     # Desactivar ambiente

# Gestión Docker
docker-compose up -d                 # Iniciar servicios
docker-compose down                  # Parar servicios
docker-compose logs -f postgres      # Ver logs PostgreSQL

# Conexión directa a PostgreSQL
psql -h localhost -p 5432 -U postgres -d classicmodels

# Jupyter Lab
jupyter lab                          # Desde ambiente activado

Funciones Principales

funciones.py

• leer_tabla(tabla, engine) - Leer tablas desde PostgreSQL
• filtrar_por_fechas() - Filtrado temporal de DataFrames
• generar_reporte_pivot() - Reportes agrupados
• escribir_tabla_bd() - Escribir DataFrames a PostgreSQL

Seguridad

• Archivo .env en .gitignore
• Credenciales nunca en el código
• Template .env.example para nuevos usuarios
• Validación de credenciales por defecto

Troubleshooting

Docker no inicia

# Verificar Docker
docker --version
docker-compose --version

# Limpiar containers
docker-compose down -v
docker system prune -f

Conda no funciona

# Reinicializar conda
conda init bash
source ~/.bashrc

# Recrear ambiente
conda env remove -n classicmodels
./setup.sh

PostgreSQL no conecta

# Verificar status
docker-compose ps

# Revisar logs
docker-compose logs postgres

# Verificar puerto
netstat -tulnp | grep 5432

Próximos Pasos

• Análisis de series temporales
• Modelos predictivos de ventas
• Dashboard interactivo con Streamlit
• Automatización con Apache Airflow

Contribuir

1. Fork del proyecto
2. Crear rama feature (git checkout -b feature/nueva-funcionalidad)
3. Commit cambios (git commit -am 'Añadir nueva funcionalidad')
4. Push a la rama (git push origin feature/nueva-funcionalidad)
5. Crear Pull Request

📄 Licencia

Este proyecto está bajo la Licencia MIT - ver el archivo LICENSE para detalles.

---

📧 Contacto: [email protected]