# A veces necesitamos instalar nuevas librerías en nuestros proyectos
!pip install openpyxl==3.0.10
Requirement already satisfied: openpyxl==3.0.10 in /root/venv/lib/python3.9/site-packages (3.0.10)
Requirement already satisfied: et-xmlfile in /root/venv/lib/python3.9/site-packages (from openpyxl==3.0.10) (1.1.0)
WARNING: You are using pip version 22.0.4; however, version 22.1.2 is available.
You should consider upgrading via the '/root/venv/bin/python -m pip install --upgrade pip' command.
# imports
import numpy as np
import pandas as pd
import sqlite3 as sql3
import openpyxl # para que cargue bien el excel
import matplotlib.pyplot as plt
import seaborn as sns
# Levanto los datos en 3 diferentes dataframes
# Artículos
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'])
# Vendedores
df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0)
# Órdenes
df_orders = pd.read_csv('/work/data/orders.csv')
# Exploración del df de artículos
print('Muestra de datos')
print(df_articles.head())
print('\nFormato del dataframe')
print(df_articles.shape)
print('\nBúsqueda de valores nulos por columna')
print(df_articles.isnull().sum())
print('\nFormato de los datos por columna')
print(df_articles.dtypes)
Muestra de datos
article_id article_name unit_price
0 20015 Smartphone 525.00
1 20016 Full Pc 2127.81
2 20017 Monitor 230.00
3 20018 Tablet 130.00
4 20019 Desk 130.10
Formato del dataframe
(31, 3)
Búsqueda de valores nulos por columna
article_id 0
article_name 0
unit_price 0
dtype: int64
Formato de los datos por columna
article_id int64
article_name object
unit_price object
dtype: object
# Exploración del df de vendedores
print('Muestra de datos')
print(df_sellers.head())
print('\nFormato del dataframe')
print(df_sellers.shape)
print('\nBúsqueda de valores nulos por columna')
print(df_sellers.isnull().sum())
print('\nFormato de los datos por columna')
print(df_sellers.dtypes)
Muestra de datos
seller_name
seller_id
1 Aveline Swanwick
2 Jase Doy
3 Oliviero Charkham
4 Cornie Wynrehame
5 Ewell Peres
Formato del dataframe
(15, 1)
Búsqueda de valores nulos por columna
seller_name 0
dtype: int64
Formato de los datos por columna
seller_name object
dtype: object
# Exploración del df de órdenes
print('Muestra de datos')
print(df_orders.head())
print('\nFormato del dataframe')
print(df_orders.shape)
print('\nBúsqueda de valores nulos por columna')
print(df_orders.isnull().sum())
print('\nFormato de los datos por columna')
print(df_orders.dtypes)
Muestra de datos
order_id week article_id quantity seller_id country_name
0 15024 1 20039 10 10 Peru
1 15025 1 20029 15 5 Peru
2 15026 1 20024 5 14 Bolivia
3 15027 1 20018 9 14 Brazil
4 15028 1 20035 6 15 Mexico
Formato del dataframe
(1000, 6)
Búsqueda de valores nulos por columna
order_id 0
week 0
article_id 0
quantity 0
seller_id 0
country_name 0
dtype: int64
Formato de los datos por columna
order_id int64
week int64
article_id int64
quantity int64
seller_id int64
country_name object
dtype: object
df_articles['unit_price'] = df_articles['unit_price'].astype(float)
print(df_articles.dtypes)
article_id int64
article_name object
unit_price float64
dtype: object
# Creo una copia del df_orders
my_df = df_orders.copy()
# Cambio el índice del df de artículos
df_articles.set_index('article_id',inplace = True)
# Agrego algunas columnas y pongo el campo que me va a servir de "ancla" para acordarme
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'])
# reemplazo los valores en el nuevo df
# 1. busco el nombre del artículo y lo asigno a una variable
# como df_articles está indexado por article_id, lo uso para ubicarme en
# el registro que busco
# SINTAXIS: df_articles.loc[indice][columna]
# [indice] va a ser el dato que obtengo de my_df.loc[i]['article_id']
# -> o sea, tomo registro a registro el article_id y lo uso para extraer
# el nombre del artículo
for i in range(len(my_df.index)): # len(my_df.index) devuelve la cantidad de registros
idArticulo = my_df.loc[i]['article_id']
nombreArticulo = df_articles.loc[idArticulo]['article_name']
# se lo asigno a la columna correspondiente
my_df.loc[i,'article_name'] = nombreArticulo
# hago lo mismo en un solo paso para la columna de total_amount
precioArticulo = df_articles.loc[idArticulo]['unit_price']
cantArticulo = my_df.loc[i]['quantity']
my_df.loc[i,'total_amount'] = precioArticulo * cantArticulo
# columna de seller_name
idVendedor = my_df.loc[i]['seller_id']
nombreVendedor = df_sellers.loc[idVendedor]['seller_name']
my_df.loc[i,'seller_name'] = nombreVendedor
# elimino las columnas que no necesito
my_df.drop(['order_id', 'article_id', 'seller_id'], axis = 'columns', inplace=True)
print(my_df)
week quantity country_name article_name total_amount seller_name
0 1 10 Peru Water Cooling 675.0 Cirilo Grandham
1 1 15 Peru Mouse 454.5 Ewell Peres
2 1 5 Bolivia Netbook 725.0 Janel O'Curran
3 1 9 Brazil Tablet 1170.0 Janel O'Curran
4 1 6 Mexico Case 227.4 Daisie Slograve
.. ... ... ... ... ... ...
995 4 1 Brazil Modem 67.5 Kati Innot
996 4 15 Brazil Heatsink 150.0 Daisie Slograve
997 4 2 Colombia Heatsink 20.0 Vasily Danilyuk
998 4 14 Brazil Tablet 1820.0 Vasily Danilyuk
999 4 12 Brazil SDD 264.0 Onida Cosely
[1000 rows x 6 columns]
# RESOLUCIÓN ANALÍTICA
my_df2=my_df.groupby('article_name').sum()
por_cant = my_df2.sort_values('quantity', ascending=False)
print(por_cant['quantity'].head(1))
article_name
HDD 413
Name: quantity, dtype: int64
# RESOLUCIÓN GRÁFICA
plt.figure(figsize=(10,8))
sns.barplot(y=por_cant["quantity"], x=por_cant.index, palette="Blues_d")
plt.title('Gráfico 1. Unidades vendidas por articulo')
plt.xticks(rotation=90)
plt.ylabel('Cantidad')
plt.xlabel('Nombre de Articulo')
plt.show()
# RESOLUCIÓN ANALÍTICA
df3 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(5)
print(df3['total_amount'])
article_name
Full Pc 538335.93
Notebook 251000.00
Smartphone 152250.00
Chair 69477.48
Tablet 48620.00
Name: total_amount, dtype: float64
# RESOLUCIÓN GRÁFICA ---> Voy a tomar sólo los 5 primeros artículos que más ingresos proporcionaron
plt.barh(df3.index,df3['total_amount'] , height=0.8, color = sns.color_palette('Blues_d'))
plt.title('Gráfico 2. Ingresos proporcionados por articulo')
plt.ylabel('Articulos')
plt.xlabel('Ingresos (en $)')
plt.show()
# RESOLUCIÓN ANALÍTICA
df4 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False)
print(df4[['quantity']+['total_amount']])
quantity total_amount
seller_name
Janel O'Curran 703 192832.47
Brockie Patience 441 142709.88
Oliviero Charkham 555 141329.76
Vasily Danilyuk 521 129157.55
Daisie Slograve 554 120520.11
Aveline Swanwick 629 118874.33
Arnold Kilkenny 583 94552.04
Kati Innot 512 83704.62
Jase Doy 582 80628.31
Ewell Peres 496 78144.32
Onida Cosely 535 77373.37
Milly Christoffe 442 61733.69
Tobin Roselli 519 56984.42
Cornie Wynrehame 523 52253.57
Cirilo Grandham 470 45009.40
# RESOLUCIÓN GRÁFICA
pal = sns.color_palette("crest", 8)
plt.bar(df4.index,df4['total_amount'], color = pal)
plt.xticks(rotation=60)
plt.title('Gráfico 3. Ventas totales por vendedor')
plt.ylabel('Ventas totales (en $)')
plt.xlabel('Vendedor')
plt.show()
# RESOLUCIÓN ANALÍTICA
df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False)
print(df5['total_amount'])
week
1 507458.81
2 415364.44
3 329140.03
4 223844.56
Name: total_amount, dtype: float64
# RESOLUCIÓN GRÁFICA
plt.bar(df5.index,df5['total_amount'], color = sns.color_palette('Blues_d'))
plt.title('Gráfico 4. Ventas totales por semana')
plt.ylabel('Ventas totales')
plt.xlabel('Semana')
plt.show()
# RESOLUCIÓN
df6=my_df.groupby('country_name').sum()
por_cant = df6.sort_values('total_amount', ascending=True)
print(por_cant['total_amount'].head(5))
country_name
Puerto Rico 1265.43
Paraguay 8195.12
Ecuador 17475.30
Uruguay 17843.09
Bolivia 22682.80
Name: total_amount, dtype: float64
# RESOLUCIÓN GRÁFICA
plt.bar(por_cant.index,por_cant['total_amount'], color = sns.color_palette('husl', 16))
plt.title('Gráfico 5. Ventas totales por país')
plt.ylabel('Ventas totales')
plt.xlabel('Países')
plt.xticks(rotation=60)
plt.show()
# RESOLUCIÓN ANALÍTICA
df7 = (my_df.groupby(by='article_name').sum()).sort_values('quantity',ascending=True).head(5)
print(df7['quantity'])
article_name
Wi-Fi Card 141
Keyboard 165
Fan Cooler 205
Case 206
Chair 207
Name: quantity, dtype: int64
# RESOLUCIÓN GRÁFICA
plt.bar(df7.index,df7['quantity'], color = sns.color_palette('husl', 5))
plt.title('Gráfico 6. Cantidades vendidas por artículo')
plt.ylabel('Cantidades vendidas')
plt.xlabel('Artículos')
plt.xticks(rotation=60)
plt.show()
# RESOLUCIÓN
# 1) Obtener total por semana por vendedor
df_vendedor_semana = my_df.groupby(['seller_name', 'week']).sum()
# 2) Obtengo la lista de vendedores
vendedores = my_df.groupby('seller_name').sum().index.values
# 3) Creo el DF final
df_final = pd.DataFrame(columns=['Semana', 'Ventas'], index=vendedores)
# 4) Procesar el DF df_vendedor_semana y obtener las ventas maximas x semana y guardarlas en df_final
for p in articulos:
df = df_vendedor_semana.loc[p]
v = df.max()['total_amount']
s = df[(df['total_amount'] == v)].index[0]
df_final.loc[p] = {'Semana': s, 'Ventas': v}
df_final['Semana'] = df_final['Semana'].astype(int)
print(df_final)
Semana Ventas
Arnold Kilkenny 1 39536.3
Aveline Swanwick 2 54701.55
Brockie Patience 2 78999.56
Cirilo Grandham 1 14263.63
Cornie Wynrehame 1 23674.66
Daisie Slograve 1 46744.06
Ewell Peres 3 25367.85
Janel O'Curran 1 68273.51
Jase Doy 1 55769.68
Kati Innot 1 35201.04
Milly Christoffe 1 24499.05
Oliviero Charkham 1 74581.19
Onida Cosely 1 30035.93
Tobin Roselli 2 17668.87
Vasily Danilyuk 4 55479.87
# RESOLUCIÓN GRÁFICA
colorSelected = sns.color_palette('husl', 4)
g = pd.pivot_table(df_final, index = df_final.index, values = 'Ventas', columns = 'Semana', aggfunc = 'sum')
g.plot.bar(stacked = True, color = colorSelected, figsize=(14,8), ylabel = 'Monto máximo de venta (en $)', xlabel = 'Vendedor')
plt.title('Gráfico 7. Semana y monto de mayor venta por vendedor')
plt.xticks(rotation=60)
plt.show()