# 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 openpyxl # para que levante 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)

# 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)

# 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)

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 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)

# SI SOBRA TIEMPO Se puede mencionar la función merge para hacer joins entre dataframes # https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.merge.html d1=pd.DataFrame({'mes': ['ene','feb','mar','abr'], 'ventas':[10,20,30,15]}) d2=pd.DataFrame({'mes': ['ene','feb','mar','abr'], 'costos':[7,16,25,12]}) print(pd.merge(d1,d2))

# RESOLUCIÓN ANALÍTICA my_df2=my_df.groupby('article_name').sum() #por_cant = my_df2.sort_values('quantity', ascending=False) three_best_sellers_articles = my_df2.sort_values('quantity', ascending=False).head(3) #print(por_cant['quantity'].head(1)) print(three_best_sellers_articles['quantity'].head(1))

# RESOLUCIÓN GRÁFICA sns.barplot(y=three_best_sellers_articles["quantity"], x=three_best_sellers_articles.index) plt.xticks(rotation=70) plt.title('BEST SELLERS ARTICLES') plt.xlabel('Articles') plt.ylabel('Quantity') plt.show()

# RESOLUCIÓN ANALÍTICA df2 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(3) print(df2['total_amount'])

# RESOLUCIÓN GRÁFICA ---> OJO: Voy a tomar sólo los 3 primeros artículos que más ingresos proporcionaron # No puedo hacer una comparativa ni porcentajes porque no tomé el total de los datos #plt.pie(x=df2['total_amount'], labels=df2.index) #plt.show() plt.barh(df2.index,df2['total_amount'] , height=0.8) plt.title('MOST PROFITABLE ARTICLES') plt.ylabel('Articles') plt.xlabel('Total Amount - u$s') plt.show()

# RESOLUCIÓN ANALÍTICA df4 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False) print(df4[['quantity']+['total_amount']].head(1))

# RESOLUCIÓN GRÁFICA plt.bar(df4.index,df4['total_amount']) plt.xticks(rotation=70, ha="right") plt.title('SALES BY SELLER') plt.xlabel('Seller') plt.ylabel('Total amount - u$s') plt.show()

# RESOLUCIÓN ANALÍTICA df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False) worst_week = df5['total_amount'].tail(1) print(df5['total_amount']) # ***Ver en Conclusiones*** #SEMANA DE MENOS VENTAS print('\nSemana de menos ventas, ideal para lanzar una promo') print(worst_week)

# RESOLUCIÓN GRÁFICA #ax = sns.barplot(y=ranking_weeks_by_amount['total_amount'], x=ranking_weeks_by_amount.index) #for i in ax.containers: # ax.bar_label(i,) plt.bar(df5.index,df5['total_amount']) plt.title('SALES BY WEEK') plt.xlabel('Week') plt.xticks([1, 2, 3, 4]) plt.ylabel('Total amount - u$s') plt.show()

# RESOLUCIÓN ANALÍTICA tot_amount_country = my_df.groupby('country_name').sum() top3_amount_country = tot_amount_country.sort_values('total_amount', ascending=False).head(3) #print(top3_amount_country) print(top3_amount_country[['quantity']+['total_amount']])

# RESOLUCIÓN GRÁFICA sns.barplot(y=top3_amount_country["total_amount"], x=top3_amount_country.index) plt.xticks(rotation=70) plt.title('COUNTRIES BEST SHOPPERS') plt.xlabel('Country') plt.ylabel('Total amount - u$s') plt.show()

# RESOLUCIÓN ANALÍTICA df6 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=True ).head(3) print(df6[['quantity']+['total_amount']])

# RESOLUCIÓN ANALÍTICA # Previsualizar el DF final # ------------------------- # "Pais" "Articulo" "Cantidad" # Pais1 CPU 10 # Pais2 Chair 22 # 1) Obtener total x producto x pais df_pais_produ = my_df.groupby(['country_name', 'article_name']).sum() first_df_pais_produ = df_pais_produ.sort_values('quantity', ascending=False) #print(df_pais_produ) #print(first_df_pais_produ) # 2) Obtener la lista de los diez paises más recaudadores tot_amount_country = my_df.groupby('country_name').sum() top_amount_country = tot_amount_country.sort_values('total_amount', ascending=False).head(10) #paises = my_df.groupby('country_name').sum().index.values paises = top_amount_country.groupby('country_name').sum().index.values #print(paises) # 3) Creo el DF final df_final = pd.DataFrame(columns=['Articulo', 'Cantidad'], index=paises) #print(df_final) # 4) Procesar el DF first_df_pais_produ y obtener la cantidad del producto más # vendido en el país y guardarlas en df_final for p in paises: df = first_df_pais_produ.loc[p] v = df.max()['quantity'] s = df[(df['quantity'] == v)].index[0] df_final.loc[p] = {'Articulo': s, 'Cantidad': v} df_final['Cantidad'] = df_final['Cantidad'].astype(int) print(df_final)

# RESOLUCIÓN GRÁFICA g = sns.barplot(data = df_final, x = df_final.index, y = 'Cantidad', hue = 'Articulo') g.set_xticklabels(labels=df_final.index, rotation=90) plt.show()