# A veces necesitamos instalar nuevas librerías en nuestros proyectos !pip install openpyxl==3.0.10

# imports import numpy as np import pandas as pd import sqlite3 as sql3 import matplotlib.pyplot as plt import seaborn as sns #import openpyxl # para levantar excel de otros paqueres (no office)

# Levanto los datos en 3 diferentes dataframes #Articulos conn = sql3.connect('/work/data/articles.db') sql_query = pd.read_sql_query('SELECT * FROM articles', conn) df_articles = pd.DataFrame(sql_query, columns=['article_id', 'article_name', 'unit_price']) #df_articles #Vendedores df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0) #df_sellers #Ordenes df_orders = pd.read_csv('/work/data/orders.csv') df_orders #sql_query #df_articles #df_sellers

# Exploración del df de artículos print('Muestra de datos') print(df_articles.head()) print('\nForma del dataframe') print(df_articles.shape) print('\nBuscar valores nulos') print(df_articles.isnull().sum()) print('\nFormato de los datos del dataframe') print(df_articles.dtypes)

# Exploración del df de vendedores print('Muestra de datos') print(df_sellers.head()) print('\nForma del dataframe') print(df_sellers.shape) print('\nBuscar valores nulos') print(df_sellers.isnull().sum()) print('\nFormato de los datos del dataframe') print(df_sellers.dtypes)

# Exploración del df de órdenes print('Muestra de datos') print(df_orders.head()) print('\nForma del dataframe') print(df_orders.shape) print('\nBuscar valores nulos') print(df_orders.isnull().sum()) print('\nFormato de los datos del dataframe') print(df_orders.dtypes)

# Cambiar a float los precios unitarios df_articles['unit_price'] = df_articles['unit_price'].astype(float) print(df_articles.dtypes)

#Creo una copia del df_orders my_df = df_orders.copy() # Cambio el indice del df_articles común de 1, 2 3 por articles_id df_articles.set_index('article_id', inplace=True) # Agrego 3 columnas y pongo el campo que me va a servir de "ancla" para buscar la información real. my_df = my_df.assign(article_name = my_df['article_id']) my_df = my_df.assign(total_amount = my_df['article_id']) my_df = my_df.assign(seller_name = my_df['seller_id']) print(df_articles) #print(my_df.head())

#Reemplazar los valores reales en el df for i in range (len(my_df.index)): #len(my_df.index) devuelva la cantidad de filas (registros) #reemplazo el nombre del articulo usando el id guardado en my_df article = df_articles.loc[my_df.loc[i]['article_id']]['article_name'] my_df.loc[i, 'article_name'] = article #reemplazo el nombre del vendedor usando el id guardado en my_df my_df.loc[i, 'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_id']]['seller_name'] #busco el precio unitario y lo multiplico por la cantidad de unidades vendidas. my_df.loc[i, 'total_amount'] = df_articles.loc[my_df.loc[i]['article_id']]['unit_price'] * my_df.loc[i, 'quantity'] #elimino las columnas que no utilizo my_df.drop(['article_id', 'seller_id', 'order_id'], axis='columns', inplace=True) print(my_df.head())

# RESOLUCIÓN ANALÍTICA #1. Sumo todos los artículos por el mismo nombre y tomo la cantidad #2. Le digo que me los agrupe según (groupby) 'article_name' #3. Le digo que me ordene los valores por 'quantity', y que el ascending sea False (mayor a menor) #4. Imprimo solo el primer resultado con 'head(1)' my_df2 = my_df.groupby('article_name').sum() mas_cantidad = my_df2.sort_values('quantity', ascending=False) print(mas_cantidad['quantity'].head(1))

# RESOLUCIÓN GRÁFICA #Análisis de la resolución analítica: El artículo más vendido es 'HDD 413' #Hice un gráfico de barras con la cantidad de los artículos más vendidos sns.set_theme(style = 'whitegrid') sns.barplot(x=my_df2.index, y=my_df2['quantity'], data = my_df2, order=my_df2.sort_values('quantity', ascending=False).index, palette='cool').set(title='Ventas por articulo') plt.ylabel("Cantidad") plt.xlabel(" ") plt.xticks(rotation=90) plt.show()

# RESOLUCIÓN ANALÍTICA #1. Sumé todos los artículos por el mismo nombre y tomé 'total_amount' #2. Los agrupé según (groupby) 'article_name' #3. Ordené los valores por 'total_amount', con ascending en False (mayor a menor). #4. Imprimí los primeros 5 resultados con 'head()' my_df2 = my_df.groupby('article_name').sum() mas_ingresos = my_df2.sort_values('total_amount', ascending=False).head() print('Artículos con más ingresos', mas_ingresos['total_amount'])

# RESOLUCIÓN GRÁFICA #Análisis de la resolución analítica: El artículo que más ingresos generó fue 'Full Pc' #Hice gráfico de torta que muestra los porcentajes de venta de estos 5 artículos. #Destaqué el más vendido separándolo para ver mejor qué porción representa. colors = sns.color_palette('cool') e = (0.1, 0, 0, 0, 0) plt.pie(x=mas_ingresos['total_amount'], labels=mas_ingresos.index, colors=colors, explode=e, startangle=270, autopct='%.0f%%', rotatelabels='true') plt.title('Top 5 de los artículos que más ingresos generaron') plt.show()

#OTRO ANÁLISIS #Noté que el gráfico anterior no es completamente acertado ya que estaría faltando una categoría #'Otros' que muestre el total de las ventas para que se pueda dimensionar mejor qué porcentaje #represnta realmente el artículo más vendido. #Para esto, ordené los artículos por ventas totales de forma inversa, y dejé afuera los últimos #5 elementos, que corresponderías con los 5 más vendidos. #A todo ese resto lo sumé. my_df2 = my_df.groupby('article_name').sum() mas_ingresos = my_df2.sort_values('total_amount', ascending=False).head() otros = my_df2.sort_values('total_amount', ascending=True).head(-5) total_otros = sum(otros['total_amount']) print('Artículos con más ingresos', mas_ingresos['total_amount']) print('Resto', total_otros)

#RESOLUCIÓN GRÁFICA #Intenté agregar este resto como nuevo dato a la lista anterior para poder hacer el gráfico de #torta, pero no pude por incompatibilidad de dimensiones, entre otros errores. #Como tenía todos los datos, decidí forzarlo dándole yo misma los nombres y valores. colors = sns.color_palette('cool') e = (0.1, 0, 0, 0, 0, 0) valores = [538335.93, 416124.42, 251000.00, 152250.00, 69477.48, 48620.00] nombres = ['Full Pc', 'Otros', 'Notebook', 'Smartphone', 'Chair', 'Tablet'] plt.pie(valores, labels=nombres, colors=colors, explode=e, startangle=320, autopct='%.0f%%', rotatelabels='true') plt.title('Artículos que más ingresos generaron') plt.show()

# RESOLUCIÓN ANALÍTICA #Agrupé todos los vendedores por el mismo nombre y tomé el 'total_amount' #Agrupé según (groupby) 'seller_name' #Ordené los valores por 'total_amount', con ascending en False (= descendiente) #Imprimo solo el primer resultado con 'head(1)' my_df2 = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending = False) mejor_vendedor = my_df2.sort_values('total_amount', ascending=False) print(mejor_vendedor['total_amount'].head(1))

# RESOLUCIÓN GRÁFICA # Análisis de la resolución analítica: El mejor vendedor del mes fue Janel O'Curran # Hice un gráfico de barras, y acomodé el nombre de los vendedores en otro ángulo. sns.barplot(x=my_df2.index, y=my_df2['total_amount'], data = my_df2, order=my_df2.sort_values('total_amount', ascending=False).index, palette='cool').set(title='Empleado del Mes') plt.ylabel("Monto") plt.xticks(rotation=75) plt.show()

# RESOLUCIÓN ANALÍTICA #Agrupé por semana y tomé el 'total_amount' #Agrupé según (groupby) 'week' #Ordené los valores por 'total_amount', con ascending en False (= descendiente) #Imprimí todos los resultados que eran 4 con head()'. my_df2 = my_df.groupby('week').sum() por_semanas = my_df2.sort_values('total_amount', ascending=False) print(por_semanas['total_amount'].head())

# RESOLUCIÓN GRÁFICA #Análisis de la resolución analítica: Las ventas han ido disminuyendo. #Hice un gráfico de línea con sombra que me muestra el descenso en las ventas. sns.lineplot(x=my_df2.index, y=my_df2['total_amount'], data = my_df2, marker = "o", palette = 'cool').set(title='Ventas del Mes') plt.xlabel("Semana") plt.ylabel("Monto") plt.fill_between(my_df2.index, my_df2['total_amount'], color = 'turquoise', alpha = 0.5) plt.show()

# RESOLUCIÓN ANALÍTICA #Agrupé todos los países por el mismo nombre y tomé su 'total_amount'. #Los agrupé según (groupby) 'country_name'. #Ordené los valores por 'total_amount', tomando el ascending como False (= descendiente) #Imprimí solo el primer resultado con 'head(1)' my_df2 = my_df.groupby('country_name').sum() por_total = my_df2.sort_values('total_amount', ascending=False) print(por_total['total_amount'].head(1))

#RESOLUCIÓN GRÁFICA #Análisis de la resolución analítica: El país que más ingresos generó fue Brazil. #Lo representé con un gráfico de barras por país y total de ventas. #Para una mejor lectura, cambié el ángulo del nombre de los países. #Eliminé el título del eje correspondiente a los países para evitar redundancias. sns.barplot(y=my_df2.index, x=my_df2['total_amount'], data = my_df2, order=my_df2.sort_values('total_amount', ascending=False).index, palette='cool').set(title='País que más nos compró') plt.xlabel("Monto") plt.ylabel(" ") plt.show()

# RESOLUCIÓN ANALÍTICA #Agrupé todos los países por el mismo nombre y tomé la cantidad, 'quantity'. #Los agrupé según (groupby) 'country_name'. #Ordené los valores por 'quantity', con el ascending en False (= descendiente) #Imprimí los primeros 3 resultados con 'head(3)' my_df2 = my_df.groupby('country_name').sum() por_cantidad = my_df2.sort_values('quantity', ascending=False) print(por_cantidad['quantity'].head(3))

#RESOLUCIÓN GRÁFICA #Análisis de la resolución: Además de ser el país que generó más ingresos, Brazil fue el #que compró más cantidad de productos. #Hice un gráfico de barras indicando la cantidad de artículos comprados. #Limité la cantidad de países mostrados a 5. sns.barplot(x=my_df2.index, y=my_df2['quantity'], data = my_df2, order= my_df2[1:6].index, palette='cool').set(title='País que más productos compró') plt.ylabel("Cantidad de Productos") plt.xlabel(" ") plt.xticks(rotation=90) plt.show()

# RESOLUCIÓN ANALÍTICA #1. Sumé todos los artículos por el mismo nombre y tomé el 'total_amount'. #2. Los agrupé según (groupby) 'article_name'. #3. Ordeneé los valores por 'total_amount'. #4. Imprimí solo los 10 primeros resultados con 'head(10)'. my_df2 = my_df.groupby('article_name').sum() por_total = my_df2.sort_values('total_amount', ascending=True) print(por_total['total_amount'].head(10))

#RESOLUCIÓN GRÁFICA #Análisis de la resolución: Ordenando los artículos de manera inversa puedo acceder a cuáles #han sido menos vendidos y proceder a aplicar alguna estrategia de venta para generarles más salida. sns.barplot(x=my_df2.index, y=my_df2['total_amount'], data = my_df2, order=my_df2.sort_values('total_amount', ascending=False).index, palette='cool').set(title='Productos que necesitan una mejor estrategia de venta') plt.ylabel("Monto que se vendió") plt.xticks(rotation=90) plt.show()

#Las conclusiones y propuestas las fui agregando como comentario en cada uno de los casos #para mayor claridad.