TP Final Integrador - 22045 - Bruno Di Camillo

# 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) # Ordenes df_orders = pd.read_csv('/work/data/orders.csv')

# Exploración del df de artículos print('Muestra de datos') print(df_articles.head()) # head() 5 Filas por defecto print('\nFormato del dataframe') print(df_articles.shape) print('\nBúsqueda de valores nulls 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 nulls 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()) # head() 5 Filas por defecto print('\nFormato del dataframe') print(df_sellers.shape) print('\nBúsqueda de valores nulls 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 nulls 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()) # head() 5 Filas por defecto print('\nFormato del dataframe') print(df_orders.shape) print('\nBúsqueda de valores nulls 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 nulls 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

my_df = df_orders.copy() # shallow copy o copia superficial (otro Objeto alojado en la memoria) # Cambio el índice del df de artículos df_articles.set_index('article_id', inplace=True) 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']) # df_articles # print() # my_df for i in range(max(my_df.count())): # print(i) # 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 (article_name) de df_articles # print(df_articles.loc[my_df.loc[i]['article_id']]['article_name']) article = df_articles.loc[my_df.loc[i]['article_id']]['article_name'] # print(article) # Asignar a cada valor id de la columna 'article_name' (my_df) el nombre del artículo my_df.loc[i, 'article_name'] = article # my_df # hacemos lo mismo con total_amount my_df.loc[i, 'total_amount'] = my_df.loc[i, 'quantity']*df_articles.loc[my_df.loc[i]['article_id']]['unit_price'] # Columna de seller name my_df.loc[i, 'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_id']]['seller_name'] # elimimo las columnas que no necesito del df 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 print(my_df['article_name'].value_counts()) # cuenta valores únicos

HDD                 47
SDD                 45
Netbook             45
Tablet              40
Usb Cable           39
Sata Cable          38
Pci Express Port    37
Range Extender      36
Smartphone          35
Headphones          34
Heatsink            34
Power Supply        34
Mouse               34
Full Pc             34
Motherboard         33
Water Cooling       32
Video Card          31
Ram Memory          31
Notebook            30
CPU                 29
Modem               29
Mesh Wi-Fi X 2      28
Desk                28
Webcam              28
Case                26
Monitor             26
Fan Cooler          25
Chair               24
Scanner             24
Wi-Fi Card          22
Keyboard            22
Name: article_name, dtype: int64

# RESOLUCIÓN GRÁFICA sns.displot(my_df, x='article_name') plt.xticks(rotation=90) # 'vertical' plt.show()

# RESOLUCIÓN ANALÍTICA df2=(my_df.groupby(by='article_name').sum()).sort_values('total_amount', ascending=False).head(5) pd.options.display.float_format= '$ {:,.2f}'.format print(df2['total_amount']) # 'article_name' es el index # print(df2) # agrupa (y suma) sólo datos numéricos # SINTAXIS ALTERNATIVA # pd.options.display.float_format= '$ {:,.2f}'.format # print(my_df[['article_name'] + ['total_amount']].groupby(['article_name']).sum().sort_values('total_amount', ascending=False).head(5))

article_name
Full Pc      $ 538,335.93
Notebook     $ 251,000.00
Smartphone   $ 152,250.00
Chair         $ 69,477.48
Tablet        $ 48,620.00
Name: total_amount, dtype: float64

# RESOLUCIÓN GRÁFICA plt.pie(x=df2['total_amount'], labels=df2.index, autopct='%1.2f%%') plt.show() # 'article_name' es el index

# RESOLUCIÓN ANALÍTICA df4 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format # print(df4[['quantity'] + ['total_amount']]) print(df4[['quantity'] + ['total_amount']].head(5)) # 'seller_anme' es el index

                   quantity  total_amount
seller_name                              
Janel O'Curran          703  $ 192,832.47
Brockie Patience        441  $ 142,709.88
Oliviero Charkham       555  $ 141,329.76
Vasily Danilyuk         521  $ 129,157.55
Daisie Slograve         554  $ 120,520.11

# RESOLUCIÓN GRÁFICA plt.bar(df4.index, df4['total_amount']) plt.xticks(rotation=60) plt.show() # 'seller_anme' es el index

# RESOLUCIÓN ANALÍTICA df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df5[['quantity'] + ['total_amount']]) # 'week' es el index

      quantity  total_amount
week                        
1         2449  $ 507,458.81
2         2444  $ 415,364.44
3         2114  $ 329,140.03
4         1058  $ 223,844.56

# RESOLUCIÓN GRÁFICA plt.bar(df5.index, df5['total_amount']) plt.show() # 'week' es el index

# RESOLUCIÓN # Ventas filtrado por país. Comparar 2 países # Cuál es el producto que más se vende, en qué cantidad # Resolución Analítica y Gráfica # Res. Análitica print("VENTAS TOTALES POR PAIS") df_pais = my_df #print(df_pais) print(df_pais.groupby(['country_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False)) df_ranking=df_pais.groupby(['country_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False)

VENTAS TOTALES POR PAIS
              total_amount
country_name              
Brazil        $ 441,271.85
Argentina     $ 205,832.78
Colombia      $ 177,514.29
Peru          $ 161,421.12
Mexico        $ 138,619.99
Venezuela      $ 77,684.52
El Salvador    $ 57,391.26
Guatemala      $ 52,579.25
Honduras       $ 36,763.56
Costa Rica     $ 34,606.50
Chile          $ 24,660.98
Bolivia        $ 22,682.80
Uruguay        $ 17,843.09
Ecuador        $ 17,475.30
Paraguay        $ 8,195.12
Puerto Rico     $ 1,265.43

# Res. Grafica print("VENTAS TOTALES POR PAIS") sns.barplot(df_ranking.index, df_ranking['total_amount'],palette='icefire') plt.xticks(rotation=90) plt.title("VENTAS TOTALES POR PAIS") plt.xlabel("PAIS") plt.ylabel("VENTAS TOTALES ($)") plt.yticks(np.arange(0,450001,25000)) plt.show()

VENTAS TOTALES POR PAIS
/shared-libs/python3.9/py/lib/python3.9/site-packages/seaborn/_decorators.py:36: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  warnings.warn(

# Comparación Brasil-Argentina (Top 2), en unidades ("quantity") y ventas ("total_amount") # Res. Analítica print("COMPARACION BRA/ARG - TOP 2") df_pais2 = (my_df.groupby(by= 'country_name').sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format # print(df4[['quantity'] + ['total_amount']]) print(df_pais2[['quantity'] + ['total_amount']].head(2)) df_pais3=df_pais2[['quantity'] + ['total_amount']].head(2)

COMPARACION BRA/ARG - TOP 2
              quantity  total_amount
country_name                        
Brazil            2515  $ 441,271.85
Argentina          947  $ 205,832.78

# Res. Grafica print("COMPARACION BRA/ARG - TOP 2 - VENTAS") sns.barplot(df_pais3.index, df_pais3['total_amount'],color='C3') plt.xticks(rotation=90) plt.title("COMPARACION BRA/ARG - TOP 2 - VENTA") plt.xlabel("PAIS") plt.ylabel("VENTAS TOTALES ($)") plt.yticks(np.arange(0,450001,25000)) plt.show() print("COMPARACION BRA/ARG - TOP 2 - UNIDADES") sns.barplot(df_pais3.index, df_pais3['quantity'],color='C5') plt.xticks(rotation=90) plt.title("COMPARACION BRA/ARG - TOP 2 - UNIDADES") plt.xlabel("PAIS") plt.ylabel("UNIDADES VENDIDAS") plt.yticks(np.arange(0,2501,250)) plt.show()

COMPARACION BRA/ARG - TOP 2 - VENTAS
/shared-libs/python3.9/py/lib/python3.9/site-packages/seaborn/_decorators.py:36: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  warnings.warn(

COMPARACION BRA/ARG - TOP 2 - UNIDADES
/shared-libs/python3.9/py/lib/python3.9/site-packages/seaborn/_decorators.py:36: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  warnings.warn(

#Ranking de ventas por articulos print("RANKING DE VENTAS POR ARTICULO (CANTIDADES TOTALES)") df_articulo2 = my_df #print(df_articulo) print(df_articulo2.groupby(['article_name']).agg({'quantity':'count'}).sort_values('quantity', ascending=False)) top5= (df_articulo2.groupby(['article_name']).agg({'quantity':'count'}).sort_values('quantity', ascending=False).head())

RANKING DE VENTAS POR ARTICULO (CANTIDADES TOTALES)
                  quantity
article_name              
HDD                     47
Netbook                 45
SDD                     45
Tablet                  40
Usb Cable               39
Sata Cable              38
Pci Express Port        37
Range Extender          36
Smartphone              35
Full Pc                 34
Headphones              34
Heatsink                34
Mouse                   34
Power Supply            34
Motherboard             33
Water Cooling           32
Video Card              31
Ram Memory              31
Notebook                30
CPU                     29
Modem                   29
Mesh Wi-Fi X 2          28
Desk                    28
Webcam                  28
Case                    26
Monitor                 26
Fan Cooler              25
Scanner                 24
Chair                   24
Keyboard                22
Wi-Fi Card              22

# RESOLUCIÓN # Evolución de Ventas por producto. # Tomar 2 países y 'week' como variable categórica # Resolución Analítica y Gráfica # Res. Analitica (Ventas semanales en Brasil) print("VENTAS TOTALES POR SEMANA EN BRASIL") df_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')] print(df_brasil.groupby(['week']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False)) df_brasil2=df_brasil.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True) print("UNIDADES VENDIDAS POR SEMANA EN BRASIL") df_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')] print(df_brasil.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)) df_brasil2=df_brasil.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)

VENTAS TOTALES POR SEMANA EN BRASIL
      total_amount
week              
1     $ 165,289.90
2     $ 106,803.85
4      $ 89,836.60
3      $ 79,341.50
UNIDADES VENDIDAS POR SEMANA EN BRASIL
      quantity
week          
1           94
2           89
3           83
4           49

# Res. Grafica (Ventas semanales en Brasil) f_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')] #print(df_brasil.groupby(['week']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False)) df_brasil2=df_brasil.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True) plt.plot(df_brasil2,color='red') plt.title("VENTAS TOTALES POR SEMANA EN BRASIL") plt.xlabel("SEMANA") plt.ylabel("VENTAS TOTALES") plt.yticks(np.arange(70000,170000,5000)) plt.xticks(np.arange(1,5,1)) plt.grid() plt.show() df_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')] #print(df_brasil.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)) df_brasil2=df_brasil.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True) plt.plot(df_brasil2,color='pink') plt.title("UNIDADES VENDIDAS POR SEMANA EN BRASIL") plt.xlabel("SEMANA") plt.ylabel("UNIDADES") plt.yticks(np.arange(45,100,5)) plt.xticks(np.arange(1,5,1)) plt.grid() plt.show()

# Res. Analitica (Ventas semanales en Argentina) print("VENTAS TOTALES POR SEMANA EN ARGENTINA") df_argentina = my_df.loc[my_df['country_name'] == 'Argentina'] print(df_argentina.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True)) df_argentina2=df_argentina.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True) print("UNIDADES VENDIDAS POR SEMANA EN ARGENTINA") df_argentina = my_df.loc[my_df['country_name'] == 'Argentina'] print(df_argentina.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)) df_argentina2=df_argentina.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)

VENTAS TOTALES POR SEMANA EN ARGENTINA
      total_amount
week              
1      $ 63,760.48
2      $ 96,789.13
3      $ 26,601.97
4      $ 18,681.20
UNIDADES VENDIDAS POR SEMANA EN ARGENTINA
      quantity
week          
1           32
2           48
3           19
4           14

# Res. Grafica (Ventas semanales en Argentina) df_argentina = my_df.loc[my_df['country_name'] == 'Argentina'] #print(df_argentina.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True)) df_argentina2=df_argentina.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True) plt.plot(df_argentina2,color='purple') plt.title("VENTAS TOTALES POR SEMANA EN ARGENTINA") plt.xlabel("SEMANA") plt.ylabel("VENTAS TOTALES") plt.yticks(np.arange(18000,98000,5000)) plt.xticks(np.arange(1,5,1)) plt.grid() plt.show() df_argentina = my_df.loc[my_df['country_name'] == 'Argentina'] #print(df_argentina.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)) df_argentina2=df_argentina.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True) plt.plot(df_argentina2,color='blue') plt.title("UNIDADES VENDIDAS POR SEMANA EN ARGENTINAA") plt.xlabel("SEMANA") plt.ylabel("UNIDADES") plt.yticks(np.arange(10,50,5)) plt.xticks(np.arange(1,5,1)) plt.grid() plt.show()

# RESOLUCIÓN # Mejor vendedor/producto. Mostrar importe/cantidad. Comparar 2 países (variable categórica) # Resolución Analítica y Gráfica #Vendedor/Producto print("ARTICULO/CANTIDAD VENDIDA POR VENDEDOR") df_sample4 = my_df.set_index(['seller_name']).sort_index(ascending=[True]) #print(df_sample) pd.options.display.float_format= '$ {:,.2f}'.format #df = sns.load_dataset('df_sample') df_sample4.groupby(['seller_name','article_name'])['quantity'].count().to_frame().sort_values('quantity', ascending=False) print(df_sample4.groupby(['seller_name','article_name'])['quantity'].count().to_frame().sort_values('quantity', ascending=False).head(15))

ARTICULO/CANTIDAD VENDIDA POR VENDEDOR
                                    quantity
seller_name       article_name              
Tobin Roselli     Power Supply             9
Aveline Swanwick  Netbook                  7
Daisie Slograve   Sata Cable               7
Oliviero Charkham Headphones               7
Jase Doy          Pci Express Port         6
Cornie Wynrehame  HDD                      6
Daisie Slograve   Monitor                  6
Janel O'Curran    Full Pc                  6
                  HDD                      6
Jase Doy          HDD                      6
Arnold Kilkenny   CPU                      6
Janel O'Curran    Range Extender           6
Vasily Danilyuk   HDD                      6
Onida Cosely      Water Cooling            6
                  Pci Express Port         5

#Grafico Importe - Cantidad Brasil df_brazil = my_df[my_df['country_name'] == 'Brazil'] df_brazil_sellers = (df_brazil.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False).index.values fig, ax1 = plt.subplots() sns.barplot(x='seller_name', y='total_amount', data = df_brazil, ax=ax1, palette='Accent', order = df_brazil_sellers, ci=None) plt.xticks(rotation=90) ax2 = ax1.twinx() sns.lineplot(data = df_brazil, x='seller_name', y='quantity', ax=ax2, color='C11', ci=None) plt.xticks(rotation=90) plt.title('VENTAS ($ Y UNIDADES) POR VENDEDOR EN BRASIL') ax1.set_xlabel("VENDEDOR") ax1.set_ylabel("VENTAS TOTALES (barras)") ax2.set_ylabel("UNIDADES VENDIDAS (linea)") plt.show() #Grafico Importe - Cantidad Argentina df_argentina = my_df[my_df['country_name'] == 'Argentina'] df_argentina_sellers = (df_argentina.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False).index.values fig, ax1 = plt.subplots() sns.barplot(x='seller_name', y='total_amount', data = df_argentina, ax=ax1, palette='rainbow_r', order = df_argentina_sellers, ci=None) plt.xticks(rotation=90) ax2 = ax1.twinx() sns.lineplot(data = df_argentina, x='seller_name', y='quantity', ax=ax2, color='C11', ci=None) plt.xticks(rotation=90) plt.title('VENTAS ($ Y UNIDADES) POR VENDEDOR EN ARGENTINA') ax1.set_xlabel("VENDEDOR") ax1.set_ylabel("VENTAS TOTALES (barras)") ax2.set_ylabel("UNIDADES VENDIDAS (linea)") plt.show()