TP Final Integrador - Gonzalo Cortez Codo a Codo 4.0

# 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 import matplotlib.pylab as plt import seaborn as sns

# Levanto los datos en 3 diferentes dataframes ## Articulos conn = sql3.connect('/work/data/articles.db') df_articles = pd.read_sql_query('SELECT * FROM articles', conn) ## 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()) 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'] = round((precioArticulo * cantArticulo),2) # 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 q_articles_sell_df= my_df.groupby('article_name').sum() best10_articles_by_unit = q_articles_sell_df.sort_values('quantity', ascending=False).head(10) print(best10_articles_by_unit['quantity'].head(1))

article_name
HDD    413
Name: quantity, dtype: int64

# RESOLUCIÓN GRÁFICA sns.barplot(y=best10_articles_by_unit["quantity"], x=best10_articles_by_unit.index) plt.title('BEST TEN Articles by Units') plt.xticks(rotation=45) plt.xlabel('Articles') plt.ylabel('Quantity') plt.show()

# RESOLUCIÓN ANALÍTICA q_article_best_sell_df= my_df.groupby('article_name').sum().sort_values('total_amount',ascending=False).head(5) print(q_article_best_sell_df['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 plt.barh(q_article_best_sell_df.index,q_article_best_sell_df['total_amount'] , height=0.8) plt.show()

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

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

Grafico. Muestra los 5 mejores Vendedores del Mes entre los cinco primeros.

#Habria que buscar o la semana mas debil, para aumentar las ventas o la semana mas fuerte para potenciarlas. # RESOLUCIÓN ANALÍTICA week_df = (my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False) week_df['Semana'] = week_df.index week_df = week_df.set_index('Semana') print(week_df)

        quantity  total_amount
Semana                        
1           2449     507458.81
2           2444     415364.44
3           2114     329140.03
4           1058     223844.56

# RESOLUCIÓN GRÁFICA sns.barplot(y=df5["total_amount"], x=df5.index) plt.xlabel("Semanas") plt.ylabel("Montos") plt.title("Ventas semanales") plt.show()

# RESOLUCIÓN ANALÍTICA boolean_mask_df = my_df['article_name'].isin(['Full Pc']) seller_fullpc_df = my_df[boolean_mask_df].sort_values('seller_name', ascending=True) seller_bycountry_df=seller_fullpc_df.groupby('country_name').sum().sort_values('total_amount',ascending=False) seller_bycountry_df=seller_bycountry_df.drop(['week'], axis=1) print(seller_bycountry_df)

              quantity  total_amount
country_name                        
Brazil              63     134052.03
Argentina           45      95751.45
Colombia            34      72345.54
Peru                24      51067.44
Venezuela           21      44684.01
El Salvador         19      40428.39
Guatemala           13      27661.53
Mexico              13      27661.53
Costa Rica          11      23405.91
Bolivia              5      10639.05
Uruguay              4       8511.24
Chile                1       2127.81

#Resolución Grafica plt.bar(seller_bycountry_df.index,seller_bycountry_df['total_amount']) plt.xticks(rotation=60, ha="right") plt.xlabel("Países") plt.ylabel("Monto vendido") plt.title("Monto vendido de Full PC país") plt.show()

# RESOLUCIÓN ANALÍTICA seller_fullpc_by_name_df=seller_CPU_df.groupby('seller_name').sum().sort_values('total_amount',ascending=False).head(5) #seller_CPU_by_name_df=seller_CPU_by_name_df.drop(['week'], axis=1) print(seller_CPU_by_name_df)

                 quantity  total_amount
seller_name                            
Arnold Kilkenny        55       7679.10
Vasily Danilyuk        31       4328.22
Janel O'Curran         27       3769.74
Kati Innot             27       3769.74
Cirilo Grandham        22       3071.64

# RESOLUCIÓN GRÁFICA plt.bar(seller_CPU_by_name_df.index,seller_CPU_by_name_df['total_amount']) plt.xticks(rotation=60, ha="right") plt.xlabel("Vendedores") plt.ylabel("Montos") plt.title("Mejores Vendedores de Full Pc") plt.show()

# RESOLUCIÓN #Filtro Chile filter_chile=my_df['country_name']=='Chile' chile_df = my_df[filter_chile] #Agrupo Por Articulo y Sumarizo chile_agrupado_df=chile_df.groupby("article_name").sum().sort_values('total_amount',ascending=False).drop(['week'], axis=1).head(10) print (chile_agrupado_df)

              quantity  total_amount
article_name                        
Smartphone          12       6300.00
Chair               13       4363.32
Scanner             15       2775.00
Full Pc              1       2127.81
Motherboard         15       2075.70
Tablet              11       1430.00
HDD                 21       1147.02
Desk                 8       1040.80
Mouse               27        818.10
Power Supply        14        615.30

# RESOLUCIÓN GRÁFICA # RESOLUCIÓN GRÁFICA colors = sns.color_palette('Set2')[0:9] plt.pie(chile_agrupado_df['total_amount'], labels = chile_agrupado_df.index, colors = colors, autopct='%.0f%%') plt.title('Las ventas de los Productos en Chile') plt.show()

Analizando los datos de Artículos vendidos en los paises analizados, interesa saber cual es el producto que mas impacto tiene en el monto vendido y que pais es el que lleva la delantera, es notable como la computadora completa (Full PC) es mas rentable que el resto de los articulos y como Brasil es el país mas recaudador. Surge que en Chile es el pais que menos impacto tiene y por ende se analiza que productos funcionan ahi, siendo recien el cuarto articulo mas vendido, se profundizara el análisis para ir elaborando estrategias a futuro y poder incrementar las ventas de las Full PC que como ya sabemos son el producto mas rentable.