# 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
import matplotlib.pyplot as plt
import seaborn as sns
# Levanto los datos en 3 diferentes dataframes
# Articulos
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 null 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()) # head() 5 Filas por defecto
print('\nFormato del dataframe')
print(df_sellers.shape)
print('\nBúsqueda de valores null 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()) # head() 5 Filas por defecto
print('\nFormato del dataframe')
print(df_orders.shape)
print('\nBúsqueda de valores null 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)
# https://pandas.pydata.org/docs/user_guide/indexing.html
# https://towardsdatascience.com/how-to-use-loc-and-iloc-for-selecting-data-in-pandas-bd09cb4c3d79
# https://stackoverflow.com/questions/28754603/indexing-pandas-data-frames-integer-rows-named-columns
my_df = df_orders.copy() # shallow copy
# Cambio el indice 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'])
# print(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 (tabla)
# 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' de 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']
#my_df
# Columna de seller name
my_df.loc[i, 'seller_name'] = df_sellers.loc[my_df.loc[i ,'seller_id']]['seller_name']
# elimino las columnas que no necesito de my_df
my_df.drop(['order_id', 'article_id', 'seller_id'], axis='columns', inplace=True)
print(my_df)
# my_df.loc[:, 'quantity']
# my_df.loc[:, ['quantity','country_name']]
# my_df.loc[0:5, ['quantity','country_name']]
# my_df.iloc[:, 1]
# my_df.iloc[:, [1,2]]
# my_df.iloc[0:6, [1,2]]
my_df.iloc[0:5, [1,2]]
# RESOLUCIÓN ANALÍTICA
df7 = my_df.groupby(by='article_name').sum().sort_values('quantity', ascending=False).head()
pd.options.display.float_format= '$ {:,.2f}'.format
print(df7[['quantity', 'total_amount']])
# RESOLUCIÓN GRÁFICA
sns.barplot(data=df7, x=df7.index, y='quantity')
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'])
# RESOLUCIÓN GRÁFICA
plt.pie(x=df2['total_amount'], labels=df2.index, autopct='%1.2f%%')
plt.show()
# 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']].head(5))
# RESOLUCIÓN GRÁFICA
plt.bar(df4.index, df4['total_amount'])
plt.xticks(rotation=90)
plt.show()
# 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']])
# RESOLUCIÓN GRÁFICA
plt.bar(df5.index, df5['total_amount'])
plt.show()
# Filtramos el df por cada semana y agrupamos por 'country_name' para sumar los valores
df_s1 = my_df[my_df['week'] == 1].groupby(by='country_name').sum().sort_values('total_amount', ascending=False).head(3)
pd.options.display.float_format= '$ {:,.2f}'.format # Seteamos el formato para type float
print("Semana 1")
# Traigo todas las filas de la columna 2 (total_amount)
print(df_s1.iloc[:,2:3])
print()
df_s2 = my_df[my_df['week'] == 2].groupby(by='country_name').sum().sort_values('total_amount', ascending=False).head(3)
pd.options.display.float_format= '$ {:,.2f}'.format
print("Semana 2")
print(df_s2.iloc[:,2:3])
print()
df_s3 = my_df[my_df['week'] == 3].groupby(by='country_name').sum().sort_values('total_amount', ascending=False).head(3)
pd.options.display.float_format= '$ {:,.2f}'.format
print("Semana 3")
print(df_s3.iloc[:,2:3])
print()
df_s4 = my_df[my_df['week'] == 4].groupby(by='country_name').sum().sort_values('total_amount', ascending=False).head(3)
pd.options.display.float_format= '$ {:,.2f}'.format
print("Semana 4")
print(df_s4.iloc[:,2:3])
print()
# Definimos los subplots con las dimensiones
fig, ax = plt.subplots(2, 2, figsize=(9,9))
fig.subplots_adjust(bottom=0.3, right=1.7, top=1.2)
# Se crean los subplots
ax[0, 0].bar(df_s1.index, df_s1['total_amount'],width=0.5, color=['mediumblue', 'slateblue', 'mediumpurple'])
ax[0, 1].bar(df_s2.index, df_s2['total_amount'],width=0.5, color=['mediumblue', 'slateblue', 'hotpink'])
ax[1, 0].bar(df_s3.index, df_s3['total_amount'],width=0.5, color=['mediumblue', 'blueviolet', 'hotpink'])
ax[1, 1].bar(df_s4.index, df_s4['total_amount'],width=0.5, color=['mediumblue', 'mediumpurple', 'blueviolet'])
# Se agrega titulos y ejes
ax[0,0].set_title("Semana 1")
ax[0,1].set_title("Semana 2")
ax[1,0].set_title("Semana 3")
ax[1,1].set_title("Semana 4")
ax[0,0].set_ylabel("Monto total")
ax[0,1].set_ylabel("Monto total")
ax[1,0].set_ylabel("Monto total")
ax[1,1].set_ylabel("Monto total")
plt.show()
# Agrupamos el df por pais y, ordenando por cantidad total
df_d1 = my_df.groupby(by='country_name').sum().sort_values('total_amount', ascending=True).head(1).reset_index()
df_d2 = my_df.groupby(by='country_name').sum().sort_values('total_amount', ascending=False).head(1).reset_index()
print('Pais con menor cantidad de ventas')
print(df_d1.iloc[0,0])
print()
print('Pais con mayor cantidad de ventas')
print(df_d2.iloc[0,0])
print()
# Filtramos el df con el pais con menor ventas
df_menor = my_df[my_df['country_name'] == df_d1.iloc[0,0]] # Con df_d1.iloc[0,0] localizamos el elemento requerido (nombre país)
# Filtramos el df con el pais con mayor ventas
df_mayor = my_df[my_df['country_name'] == df_d2.iloc[0,0]] # Con df_d2.iloc[0,0] localizamos el elemento requerido (nombre país)
print()
df_menor_lin = df_menor[['week','total_amount', 'quantity']].groupby('week').sum('total_amount', 'quantity').sort_values('week', ascending=True)
print(df_menor_lin)
df_mayor_lin = df_mayor[['week','total_amount', 'quantity']].groupby('week').sum('total_amount', 'quantity').sort_values('week', ascending=True)
print(df_mayor_lin)
# Creamos el lienzo
fig, ax1 = plt.subplots()
ax2 = ax1.twinx()
fig , ax3 = plt.subplots()
ax4 = ax3.twinx()
# Creamos los graficos
sns.lineplot(data=df_mayor_lin, x = df_mayor_lin.index, y='total_amount', ax=ax1, color='r')
sns.lineplot(data=df_mayor_lin, x = df_mayor_lin.index, y='quantity', ax=ax2, color='b')
sns.lineplot(data=df_menor_lin, x = df_menor_lin.index, y='total_amount', ax=ax3, color='y')
sns.lineplot(data=df_menor_lin, x = df_menor_lin.index, y='quantity', ax=ax4, color='g')
# Definimos títulos y ejes
ax1.set_title("Mayor vendedor")
ax1.set_xlabel("Semanas")
ax1.set_ylabel("Monto total (en rojo)")
ax2.set_ylabel("Cantidad de ventas (en azul)")
ax3.set_title("Menor vendedor")
ax3.set_xlabel("Semanas")
ax3.set_ylabel("Monto total (en amarillo)")
ax4.set_ylabel("Cantidad de ventas (en verde)")
plt.show()
# Filtramos el DF por la cuarta semana y agrupamos por 'article_name' para sumar los valores
df_art = my_df[my_df['week'] == 4].groupby(by='article_name').sum().sort_values('quantity', ascending=False).head(5)
# Mostramos la cantidad de articulos vendidos
print(df_art['quantity'])
plt.pie(x=df_art['quantity'], labels=df_art.index, autopct='%1.2f%%')
plt.show()