# ============================================ # Proyección top-down visitantes del parque # - Coeficiente de captura (k) # - Estacionalidad mensual (S_mes) # - Proyección 2025–2027 (punto y rango) # Requisitos: pandas, numpy # ============================================ import pandas as pd import numpy as np from pathlib import Path # ------------------------------------------------------------ # 0) SECCIÓN DE ENTRADA: pega/lee tus datos reales AQUÍ # ------------------------------------------------------------ # Estructuras mínimas requeridas: # turistas_ciudad: columnas ["fecha","turistas_totales"] # visitantes_parque: columnas ["fecha","visitantes_totales"] # Notas: # - 'fecha' en formato AAAA-MM (o cualquier fecha; se redondea a inicio de mes) # - Deben existir meses con ambos datos (para calibrar k y S_mes) # - Para proyectar: turistas_ciudad debe incluir 2025-01 ... 2027-12 (forecast) raw = [ # 2022 ("ene-22", 252670, 47555), ("feb-22", 187397, 33752), ("mar-22", 195151, 50401), ("abr-22", 259592, 88518), ("may-22", 286375, 52899), ("jun-22", 269962, 74406), ("jul-22", 278759, 117898), ("ago-22", 280636, 106035), ("sep-22", 278508, 48593), ("oct-22", 203882, 45272), ("nov-22", 216805, 45395), ("dic-22", 215150, 60313), # 2023 ("ene-23", 199069, 0), # sin registro (se convierte a NaN abajo) ("feb-23", 191296, 0), # sin registro ("mar-23", 206714, 0), # sin registro ("abr-23", 220838, 0), # sin registro ("may-23", 246132, 65396), ("jun-23", 241114, 95181), ("jul-23", 236356, 165041), ("ago-23", 252871, 140610), ("sep-23", 247014, 57745), ("oct-23", 198486, 49379), ("nov-23", 224430, 53081), ("dic-23", 237070, 72613), # 2024 ("ene-24", 223116, 49328), ("feb-24", 186327, 43293), ("mar-24", 191706, 70971), ("abr-24", 240656, 76619), ("may-24", 232581, 58704), ("jun-24", 233522, 69427), ("jul-24", 245496, 123249), ("ago-24", 277021, 97003), ("sep-24", 254396, 36239), ("oct-24", 169104, 23176), ("nov-24", 151484, 24855), ("dic-24", 160698, 31070), # 2025 (proyección interna del parque) ("ene-25", 159184, 23727), ("feb-25", 111926, 20156), ("mar-25", 119146, 29739), ("abr-25", 148154, 43406), ("may-25", 173372, 38977), ("jun-25", 165415, 50204), ("jul-25", 180548, 93354), ("ago-25", 208976, 78757), ("sep-25", 191711, 34471), ("oct-25", 153369, 32263), ("nov-25", 134198, 37575), ("dic-25", 153369, 54967), # 2026 (proyección interna del parque) ("ene-26", 146496, 28473), ("feb-26", 103005, 24188), ("mar-26", 109649, 35687), ("abr-26", 136345, 52088), ("may-26", 159553, 46773), ("jun-26", 152230, 60245), ("jul-26", 166157, 112025), ("ago-26", 192319, 94508), ("sep-26", 176430, 41365), ("oct-26", 141144, 38715), ("nov-26", 123501, 45090), ("dic-26", 141144, 65960), # 2027 (proyección interna del parque) ("ene-27", 133895, 34167), ("feb-27", 94145, 29025), ("mar-27", 100218, 42824), ("abr-27", 124617, 62505), ("may-27", 145829, 56127), ("jun-27", 139136, 72294), ("jul-27", 151865, 134430), ("ago-27", 175777, 113410), ("sep-27", 161255, 49638), ("oct-27", 129004, 46458), ("nov-27", 112878, 54108), ("dic-27", 129004, 79152), ] # ------------------------- # Helpers para parsear "ene-22" -> Timestamp(2022-01-01) # ------------------------- MES_MAP = {"ene":1,"feb":2,"mar":3,"abr":4,"may":5,"jun":6,"jul":7,"ago":8,"sep":9,"oct":10,"nov":11,"dic":12} def parse_fecha(s): s = s.strip().lower() m_abbr, yy = s.split("-") year = 2000 + int(yy) month = MES_MAP[m_abbr] return pd.Timestamp(year, month, 1) # ------------------------- # Construcción de DataFrame maestro # ------------------------- df_all = pd.DataFrame( [{"fecha": parse_fecha(f), "turistas_totales": t, "visitantes_totales": v} for f, t, v in raw] ).sort_values("fecha").reset_index(drop=True) # ------------------------- # 1) turistas_ciudad (2022–2027) # ------------------------- turistas_ciudad = df_all[["fecha", "turistas_totales"]].copy() # ------------------------- # 2) visitantes_parque (SOLO reales hasta 2024-12) # - Los “0” de ene–abr/2023 se vuelven NaN (sin registro) # ------------------------- visitantes_parque = df_all.loc[df_all["fecha"] <= pd.Timestamp(2025,8,1), ["fecha","visitantes_totales"]].copy() mask_sin_registro = visitantes_parque["fecha"].isin(pd.date_range("2023-01-01","2023-04-01", freq="MS")) visitantes_parque.loc[mask_sin_registro, "visitantes_totales"] = np.nan # ------------------------- # 3) proyeccion_interna (ene-2025 a dic-2027) # ------------------------- mask_interna = (df_all["fecha"] >= pd.Timestamp(2025,9,1)) & (df_all["fecha"] <= pd.Timestamp(2027,12,1)) proyeccion_interna = ( df_all.loc[mask_interna, ["fecha"]] .assign(visitantes_interna = df_all.loc[mask_interna, "visitantes_totales"].values) .reset_index(drop=True) ) # ------------------------------------------------------------ # 1) FUNCIONES AUXILIARES # ------------------------------------------------------------ def _to_month_start(s): """Convierte una serie/columna de fechas a primer día de mes (timestamp).""" s = pd.to_datetime(s, errors="coerce") return s.values.astype("datetime64[M]").astype("datetime64[ns]") def preparar_bases(turistas_df: pd.DataFrame, parque_df: pd.DataFrame) -> pd.DataFrame: """ Unifica las dos fuentes en una sola tabla mensual. Salida: DataFrame con ['fecha','turistas_totales','visitantes_totales'] """ a = turistas_df.rename(columns=str.lower).copy() b = parque_df.rename(columns=str.lower).copy() assert {"fecha", "turistas_totales"}.issubset(a.columns), "Faltan columnas en turistas_ciudad" assert {"fecha", "visitantes_totales"}.issubset(b.columns), "Faltan columnas en visitantes_parque" a["fecha"] = _to_month_start(a["fecha"]) b["fecha"] = _to_month_start(b["fecha"]) a = a.sort_values("fecha").groupby("fecha", as_index=False)["turistas_totales"].sum(min_count=1) b = b.sort_values("fecha").groupby("fecha", as_index=False)["visitantes_totales"].sum(min_count=1) df = pd.merge(a, b, on="fecha", how="outer").sort_values("fecha").reset_index(drop=True) return df def calcular_k(df: pd.DataFrame, metodo_outliers: str = "p10p90"): """ Calcula coeficiente de captura k (mediana de visitantes/turistas) y su rango intercuartílico. - Excluye meses con turistas<=0 o visitantes<0. - Control simple de outliers por percentiles (p10-p90) o IQR. Retorna: dict con k, k_low, k_high, corr, df_trim (con columnas ratio_captura) """ base = df.dropna(subset=["turistas_totales", "visitantes_totales"]).copy() base = base[(base["turistas_totales"] > 0) & (base["visitantes_totales"] >= 0)].copy() if base.empty: raise ValueError("No hay meses con ambos datos para calcular k.") base["ratio_captura"] = base["visitantes_totales"] / base["turistas_totales"] # Control de outliers: if metodo_outliers == "p10p90": lo, hi = base["ratio_captura"].quantile([0.10, 0.90]) f = base[(base["ratio_captura"] >= lo) & (base["ratio_captura"] <= hi)].copy() else: # IQR q1, q3 = base["ratio_captura"].quantile([0.25, 0.75]) iqr = q3 - q1 lo, hi = q1 - 1.5 * iqr, q3 + 1.5 * iqr f = base[(base["ratio_captura"] >= lo) & (base["ratio_captura"] <= hi)].copy() if f.empty: f = base.copy() # si el filtro dejó vacío, usa todo k = f["ratio_captura"].median() k_low = f["ratio_captura"].quantile(0.25) k_high = f["ratio_captura"].quantile(0.75) # Correlación Turistas vs Visitantes (en meses válidos) corr = f[["turistas_totales", "visitantes_totales"]].corr().iloc[0, 1] return { "k": float(k), "k_low": float(k_low), "k_high": float(k_high), "corr": float(corr), "df_trim": f.sort_values("fecha").reset_index(drop=True) } def calcular_estacionalidad(df_trim: pd.DataFrame, k: float) -> pd.Series: """ Estima el índice estacional mensual normalizado (promedio anual = 1.00). Usa mediana de: visitantes / (k * turistas), agrupado por mes (1..12). Devuelve una Serie indexada por mes (1..12) con factores S_mes. """ tmp = df_trim.copy() tmp = tmp[(tmp["turistas_totales"] > 0) & (tmp["visitantes_totales"] >= 0)] tmp["mes"] = tmp["fecha"].dt.month tmp["ratio_estacional"] = tmp["visitantes_totales"] / (k * tmp["turistas_totales"]) s = tmp.groupby("mes")["ratio_estacional"].median() # Reindex a 1..12 y rellena con 1.0 si faltó algún mes s = s.reindex(range(1, 13), fill_value=1.0) s = s / s.mean() # normaliza a promedio 1.0 return s def proyectar_visitantes( turistas_df: pd.DataFrame, k: float, k_low: float, k_high: float, S_mes: pd.Series, inicio: str = "2025-01", fin: str = "2027-12" ) -> pd.DataFrame: """ Proyecta visitantes del parque a partir de turistas proyectados y estacionalidad. turistas_df: DataFrame con ['fecha','turistas_totales'] que incluya el periodo a proyectar. Retorna: DataFrame con columnas: fecha, turistas, S_mes, visitantes_base, visitantes_low, visitantes_high """ a = turistas_df.rename(columns=str.lower).copy() assert {"fecha", "turistas_totales"}.issubset(a.columns), "turistas_df inválido" a["fecha"] = _to_month_start(a["fecha"]) # Filtra al rango solicitado mask = (a["fecha"] >= pd.to_datetime(inicio)) & (a["fecha"] <= pd.to_datetime(fin)) a = a.loc[mask].copy().sort_values("fecha") if a.empty: raise ValueError("No hay turistas proyectados en el rango solicitado.") a["mes"] = a["fecha"].dt.month a["S_mes"] = a["mes"].map(S_mes).astype(float) a["visitantes_base"] = k * a["turistas_totales"] * a["S_mes"] a["visitantes_low"] = k_low * a["turistas_totales"] * a["S_mes"] a["visitantes_high"] = k_high * a["turistas_totales"] * a["S_mes"] cols = ["fecha", "turistas_totales", "S_mes", "visitantes_base", "visitantes_low", "visitantes_high"] return a[cols].rename(columns={"turistas_totales": "turistas"}) def agregar_proyeccion_interna(df_proj: pd.DataFrame, interna_df: pd.DataFrame) -> pd.DataFrame: """ (Opcional) Une la proyección interna del parque y calcula diferencias. interna_df: ['fecha','visitantes_interna'] """ if interna_df is None or interna_df.empty: return df_proj z = interna_df.rename(columns=str.lower).copy() assert {"fecha", "visitantes_interna"}.issubset(z.columns), "proyeccion_interna inválida" z["fecha"] = _to_month_start(z["fecha"]) out = df_proj.merge(z, on="fecha", how="left") if "visitantes_interna" in out.columns: out["dif_%_vs_interna"] = (out["visitantes_base"] - out["visitantes_interna"]) / out["visitantes_interna"] * 100 return out def resumen_anual(df_proj: pd.DataFrame) -> pd.DataFrame: """Suma anual de turistas y visitantes proyectados (base/low/high).""" x = df_proj.copy() x["anio"] = x["fecha"].dt.year agg = (x.groupby("anio")[["turistas", "visitantes_base", "visitantes_low", "visitantes_high"]] .sum(min_count=1) .reset_index()) # Crece vs año previo (base) agg["crec_%_visitantes_base_vs_año_prev"] = agg["visitantes_base"].pct_change() * 100 return agg # ------------------------------------------------------------ # 2) PIPELINE # ------------------------------------------------------------ def main(): # 2.1) Preparar tabla unificada df = preparar_bases(turistas_ciudad, visitantes_parque) # 2.2) Calcular k y depurar outliers k_result = calcular_k(df, metodo_outliers="p10p90") k, k_low, k_high, corr = k_result["k"], k_result["k_low"], k_result["k_high"], k_result["corr"] df_trim = k_result["df_trim"] print(f"Coeficiente de captura (k): {k:,.6f} | Rango IQR: [{k_low:,.6f}, {k_high:,.6f}] | Corr Turistas~Visitantes: {corr:0.3f}") # 2.3) Estacionalidad S_mes = calcular_estacionalidad(df_trim, k) print("\nÍndice estacional mensual (normalizado, promedio=1.0):") print(S_mes.round(3)) # 2.4) Proyección 2025–2027 proy = proyectar_visitantes( turistas_df=turistas_ciudad, k=k, k_low=k_low, k_high=k_high, S_mes=S_mes, inicio="2025-01", fin="2027-12" ) # 2.5) (Opcional) unir proyección interna del parque y calcular diferencias proy_cmp = agregar_proyeccion_interna(proy, proyeccion_interna) # 2.6) Resumen anual anual = resumen_anual(proy_cmp) # 2.7) Exportar (opcional) # Path("output").mkdir(parents=True, exist_ok=True) # proy_cmp.to_excel("output/proyeccion_parque_2025_2027.xlsx", index=False) # anual.to_excel("output/resumen_anual_2025_2027.xlsx", index=False) # 2.8) Mostrar primeras filas print("\nProyección mensual (primeras filas):") print(proy_cmp.head(12).round(0)) print("\nResumen anual:") print(anual.round(0)) if __name__ == "__main__": main()