TP Final Integrador - Duplicate

# Levanto los datos en 3 diferentes dataframes conn = sql3.connect('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_sellers = pd.read_excel('data/sellers.xlsx', index_col = 0) df_orders = pd.read_csv('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) df_articles

# 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)

# 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))

# RESOLUCIÓN GRÁFICA sns.barplot(y=por_cant["quantity"], x=por_cant.index) plt.xticks(rotation=90) plt.show()

# RESOLUCIÓN ANALÍTICA df2 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(5) print(df2['total_amount'])

df2 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(10) plt.barh(df2.index,df2['total_amount'] , height=0.8) plt.title(' 10 Productos de mayores ingresos') plt.xlabel('Precio en U$D') plt.ylabel('Productos') plt.show()

# RESOLUCIÓN ANALÍTICA df4 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False) print(df4[['quantity']+['total_amount']]) print("\nEl vendedor/a al que se le otorga el bono es:\n", + df4[['quantity']+['total_amount']].head(1))

# RESOLUCIÓN GRÁFICA plt.bar(df4.index,df4['total_amount'],width=0.4) plt.xticks(rotation=60, ha="right") plt.show()

# RESOLUCIÓN ANALÍTICA df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False) print(df5['total_amount'])

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

# RESOLUCIÓN df6 = (my_df.groupby(by='country_name').sum()).sort_values('total_amount',ascending=False).head(5) print(df6['total_amount']) #Grafica sns.barplot(x=df6.index,y=df6['total_amount']) plt.title('Cinco mayores ventas por paises') plt.xlabel('Paises') plt.ylabel('Monto en U$D') plt.show()

# RESOLUCIÓN articles_Ar_Br = my_df['country_name'].isin(['Argentina', 'Brazil']) quantity_articles = my_df[articles_Ar_Br].sort_values('article_name',ascending=True).groupby(by=['article_name','country_name']).sum() quantity_articles.reset_index(level=1,inplace=True) #agrando el tamaño del plot para visualizar mejor plt.subplots(figsize=(15, 6)) sns.barplot(x=quantity_articles.index, y=quantity_articles['quantity'],hue=quantity_articles['country_name']) plt.xticks(rotation=90) plt.title('Cantidad de productos vendidos entre Argentina y Brasil') plt.xlabel('Articulos') plt.ylabel('Cantidades') plt.show()

# RESOLUCIÓN paises = my_df['article_name'].isin(['CPU']) CPU_country= my_df[paises].groupby('country_name').sum() sns.barplot(x=CPU_country['quantity'],y=CPU_country.index) plt.xlabel('Cantidades') plt.ylabel('Paises') plt.title('Ventas de CPU por paises en latinoamerica') plt.show()