100 lines
3.4 KiB
Python
100 lines
3.4 KiB
Python
import re
|
|
import pandas as pd
|
|
import os
|
|
from datetime import datetime
|
|
from PyPDF2 import PdfReader
|
|
from collections import defaultdict
|
|
import matplotlib.pyplot as plt
|
|
import seaborn as sns
|
|
|
|
# Carpeta con tus tickets PDF
|
|
ticket_folder = "tickets"
|
|
|
|
def extract_data_from_pdf(file_path):
|
|
reader = PdfReader(file_path)
|
|
text = ""
|
|
for page in reader.pages:
|
|
text += page.extract_text() + "\n"
|
|
|
|
date_match = re.search(r"(\d{2}/\d{2}/\d{4})", text)
|
|
fecha = datetime.strptime(date_match.group(1), "%d/%m/%Y") if date_match else None
|
|
|
|
products = []
|
|
for line in text.splitlines():
|
|
match = re.match(r"\d*\s?(.*?)\s+(\d+,\d{2})\s+(\d+,\d{2})", line)
|
|
if match:
|
|
nombre = match.group(1).strip().upper()
|
|
unit_price = float(match.group(2).replace(",", "."))
|
|
total_price = float(match.group(3).replace(",", "."))
|
|
products.append((fecha, nombre, unit_price, total_price))
|
|
else:
|
|
match_simple = re.match(r"(.*?)\s+(\d+,\d{2})$", line)
|
|
if match_simple:
|
|
nombre = match_simple.group(1).strip().upper()
|
|
total_price = float(match_simple.group(2).replace(",", "."))
|
|
products.append((fecha, nombre, None, total_price))
|
|
|
|
return products
|
|
|
|
# Recolectar todos los productos de todos los tickets
|
|
datos = []
|
|
for file in os.listdir(ticket_folder):
|
|
if file.endswith(".pdf"):
|
|
path = os.path.join(ticket_folder, file)
|
|
datos.extend(extract_data_from_pdf(path))
|
|
|
|
# Crear DataFrame
|
|
columnas = ["fecha", "producto", "precio_unitario", "precio_total"]
|
|
df = pd.DataFrame(datos, columns=columnas)
|
|
df.dropna(subset=["fecha"], inplace=True)
|
|
|
|
# Normalizar nombres de producto
|
|
df["producto"] = df["producto"].str.upper().str.strip()
|
|
|
|
# Guardar detalle completo
|
|
df.to_csv("detalle_productos.csv", index=False)
|
|
|
|
# Agrupar por producto
|
|
resumen = df.groupby("producto").agg(
|
|
veces_comprado=("fecha", "count"),
|
|
gasto_total=("precio_total", "sum"),
|
|
gasto_promedio=("precio_total", "mean"),
|
|
primera_vez=("fecha", "min"),
|
|
ultima_vez=("fecha", "max")
|
|
).sort_values("gasto_total", ascending=False)
|
|
resumen.to_csv("resumen_productos.csv")
|
|
|
|
# Gasto mensual
|
|
df["mes"] = df["fecha"].dt.to_period("M")
|
|
gasto_mensual = df.groupby("mes")["precio_total"].sum()
|
|
gasto_mensual.to_csv("gasto_mensual.csv")
|
|
|
|
# Graficar precios por producto a lo largo del tiempo
|
|
plt.figure(figsize=(10, 6))
|
|
for producto in df["producto"].unique():
|
|
producto_df = df[df["producto"] == producto]
|
|
plt.plot(producto_df["fecha"], producto_df["precio_total"], label=producto)
|
|
plt.title("Evolución de los precios de los productos a lo largo del tiempo")
|
|
plt.xlabel("Fecha")
|
|
plt.ylabel("Precio Total")
|
|
plt.legend()
|
|
plt.xticks(rotation=45)
|
|
plt.tight_layout()
|
|
plt.savefig("grafico_precios_productos.png")
|
|
plt.show()
|
|
|
|
# Crear una lista de la compra: productos más comprados en el último mes
|
|
ultimo_mes = df["fecha"].max().replace(day=1) # Primer día del mes actual
|
|
productos_ultimo_mes = df[df["fecha"] >= ultimo_mes].groupby("producto").agg(
|
|
cantidad_comprada=("producto", "count"),
|
|
gasto_total=("precio_total", "sum")
|
|
).sort_values("gasto_total", ascending=False)
|
|
productos_ultimo_mes.to_csv("lista_compra_ultimo_mes.csv")
|
|
|
|
print("\n✅ Análisis completado. Archivos generados:")
|
|
print("- detalle_productos.csv")
|
|
print("- resumen_productos.csv")
|
|
print("- gasto_mensual.csv")
|
|
print("- grafico_precios_productos.png")
|
|
print("- lista_compra_ultimo_mes.csv")
|