6 TP Final Integrador - Parmuchi Gabriela

# 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_articulos = pd.DataFrame(sql_query) #Vendedores df_vendedores = pd.read_excel('/work/data/sellers.xlsx', index_col=0) #df_sellers #Ordenes df_ordenes = pd.read_csv('/work/data/orders.csv') df_ordenes

order_idint64

15024 - 16023

weekint64

1 - 4

15024

15025

15026

15027

15028

15029

15030

15031

15032

15033

# Exploración del df de artículos print('Muestra de datos') print(df_articulos.head()) print('\nForma del dataframe') print(df_articulos.shape) print('\nBuscar valores nulos') print(df_articulos.isnull().sum()) print('\nFormato de los datos del dataframe') print(df_articulos.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

Forma del dataframe
(31, 3)

Buscar valores nulos
article_id      0
article_name    0
unit_price      0
dtype: int64

Formato de los datos del dataframe
article_id       int64
article_name    object
unit_price      object
dtype: object

# Exploración del df de vendedores print('Muestra de datos') print(df_vendedores.head()) print('\nForma del dataframe') print(df_vendedores.shape) print('\nBuscar valores nulos') print(df_vendedores.isnull().sum()) print('\nFormato de los datos del dataframe') print(df_vendedores.dtypes)

Muestra de datos
                 seller_name
seller_id                   
1           Aveline Swanwick
2                   Jase Doy
3          Oliviero Charkham
4           Cornie Wynrehame
5                Ewell Peres

Forma del dataframe
(15, 1)

Buscar valores nulos
seller_name    0
dtype: int64

Formato de los datos del dataframe
seller_name    object
dtype: object

# Exploración del df de órdenes print('Muestra de datos') print(df_ordenes.head()) print('\nForma del dataframe') print(df_ordenes.shape) print('\nBuscar valores nulos') print(df_ordenes.isnull().sum()) print('\nFormato de los datos del dataframe') print(df_ordenes.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

Forma del dataframe
(1000, 6)

Buscar valores nulos
order_id        0
week            0
article_id      0
quantity        0
seller_id       0
country_name    0
dtype: int64

Formato de los datos del dataframe
order_id         int64
week             int64
article_id       int64
quantity         int64
seller_id        int64
country_name    object
dtype: object

# Cambiar a float los precios unitarios df_articulos['unit_price'] = df_articulos['unit_price'].astype(float) print(df_articulos.dtypes)

article_id        int64
article_name     object
unit_price      float64
dtype: object

#Creo una copia del df_ordenes my_df = df_ordenes.copy() # Cambio el indice del df_articles df_articulos.set_index('article_id', inplace=True) # Agrego 3 columnas y pongo el campo que me va a servir de "ancla" para buscar la información real. 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(my_df)

     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   
..        ...   ...         ...       ...        ...          ...   
995     16019     4       20021         1          7       Brazil   
996     16020     4       20040        15         15       Brazil   
997     16021     4       20040         2         11     Colombia   
998     16022     4       20018        14         11       Brazil   
999     16023     4       20026        12          9       Brazil   

     article_name  total_amount  seller_name  
0           20039         20039           10  
1           20029         20029            5  
2           20024         20024           14  
3           20018         20018           14  
4           20035         20035           15  
..            ...           ...          ...  
995         20021         20021            7  
996         20040         20040           15  
997         20040         20040           11  
998         20018         20018           11  
999         20026         20026            9  

[1000 rows x 9 columns]

# Reemplazar los valores reales en el df for i in range (len(my_df.index)): #len(my_df.index) devuelva la cantidad de filas (registros) #reemplazo el nombre del articulo usando el id guardado en my_df article = df_articulos.loc[my_df.loc[i]['article_id']]['article_name'] my_df.loc[i, 'article_name'] = article #reemplazo el nombre del vendedor usando el id guardado en my_df my_df.loc[i, 'seller_name'] = df_vendedores.loc[my_df.loc[i]['seller_id']]['seller_name'] #busco el pecio unitario y lo multiplico por la cantidad de unidades vendidas. my_df.loc[i, 'total_amount'] = df_articulos.loc[my_df.loc[i]['article_id']]['unit_price'] * my_df.loc[i, 'quantity'] # elimino las columnas que no utilizo my_df.drop(['article_id', 'seller_id', 'order_id'], axis='columns', inplace=True) print(my_df.head())

   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

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

article_name
HDD    413
Name: quantity, dtype: int64

# Otra RESOLUCIÓN ANALÍTICA my_df2b = my_df.groupby('article_name').sum() res = my_df2b['quantity'].max() df_mask = my_df2b['quantity'] == res filtered_my_df2b = my_df2b[df_mask] print(filtered_my_df2b)

              week  quantity  total_amount
article_name                              
HDD            113       413      22558.06

# RESOLUCIÓN GRÁFICA sns.barplot(x=my_df2.index, y=my_df2['quantity'], data = my_df2, order=my_df2.sort_values('quantity', ascending=False).index).set(title='Ventas por articulo') plt.xlabel('Cantidad vendida') plt.ylabel('Producto') plt.xticks(rotation=90) plt.show()

#my_df2_sort = my_df2.sort_values('quantity', ascending=False) #my_df2_sort['quantity'].plot(kind='barh', color= 'green', alpha= 0.8) plt.figure(figsize=(5,8)) plt.barh(por_cantidad.index, por_cantidad['quantity'],color= 'green', alpha= 0.8) plt.xlabel('Cantidad vendida') plt.ylabel('Producto') plt.title('Unidades vendidas por producto') plt.show()

# RESOLUCIÓN ANALÍTICA my_df2 = my_df.groupby('article_name').sum() mas_ingresos = my_df2.sort_values('total_amount', ascending=False).head() print(mas_ingresos['total_amount'].head(1))

article_name
Full Pc    538335.93
Name: total_amount, dtype: float64

# RESOLUCIÓN GRÁFICA # OJO: Solo graficamos los 5 primeros productos, si ponemos el porcentaje de cada uno en el grafico, # no sería el numero real. plt.pie(x=mas_ingresos['total_amount'], labels=mas_ingresos.index) plt.show()

Mejor Vendedor del Mes = Janel O'Curran

# RESOLUCIÓN GRÁFICA plt.bar(df3.index,df3['total_amount'],color='green') plt.xticks(rotation=90) plt.xlabel('Vendedor') plt.ylabel('Venta mensual (U$S)') plt.title('Venta Mensual por Vendedor') plt.show()

# RESOLUCIÓN ANALÍTICA df4 = my_df.groupby('week',as_index=False).sum() print(df4)

   week  quantity  total_amount
0     1      2449     507458.81
1     2      2444     415364.44
2     3      2114     329140.03
3     4      1058     223844.56

# RESOLUCIÓN GRÁFICA df4['week'] = df4['week'].astype(str) plt.bar(df4['week'],df4['total_amount'],width=0.4, color='orange', align='center') plt.xlabel('Semana') plt.ylabel('Venta (U$S)') plt.title('Venta Semanal') plt.show()

La campaña debería realizarse durante la primer semana del mes dado que es dónde se registran las mayores.

# RESOLUCIÓN df5 = my_df.groupby('country_name',as_index=False).sum().sort_values('total_amount', ascending = False) print(df5[['country_name']+['quantity']+['total_amount']].head(1))

  country_name  quantity  total_amount
2       Brazil      2515     441271.85

plt.bar(df5['country_name'],df5['total_amount'],width=0.6,color='yellowgreen') plt.xticks(rotation=90) plt.xlabel('País') plt.ylabel('Venta mensual (U$S)') plt.title('Venta Mensual por País') plt.show()

# RESOLUCIÓN df_mask = my_df['country_name'] == 'Brazil' #print(df_mask) my_df_br = my_df[df_mask] #print(df_br) df6 = my_df_br.groupby('article_name',as_index=False).sum().sort_values('total_amount', ascending = False) print(df6[['article_name']+['quantity']+['total_amount']].head()) df6q = df6.sort_values('quantity', ascending = False) print(df6q[['article_name']+['quantity']+['total_amount']].head())

   article_name  quantity  total_amount
5       Full Pc        63     134052.03
16     Notebook        83      83000.00
24   Smartphone        79      41475.00
2         Chair       112      37591.68
25       Tablet       156      20280.00
        article_name  quantity  total_amount
25            Tablet       156      20280.00
6                HDD       119       6499.78
21               SDD       117       2574.00
2              Chair       112      37591.68
17  Pci Express Port       105       1062.60

plt.pie(x=df6['total_amount'], labels=df6['article_name'],autopct='%1.2f%%') plt.title('Producto con mayor ingreso en ventas en Brasil') plt.show()

sns.barplot(x=df6q['article_name'], y=df6q['quantity'], data=df6q).set(title='Unidades Vendidas por Artículo en Brasil') plt.xlabel('Producto') plt.ylabel('Cantidad vendida') plt.xticks(rotation=90) plt.show()

# agrupo los datos por país y vendedor df7 = my_df.groupby(['country_name','seller_name']).sum().sort_values('total_amount', ascending = False) print(df7.head(10)) # agrupo los datos por país y artículo df8 = my_df.groupby(['country_name','article_name']).sum().sort_values('total_amount', ascending = False) print(df8.head(10)) # grafico el artículo y el monto total vendido agrupado por país sns.relplot(x='article_name', y='total_amount', hue='country_name', data=df8).set(title='Ventas por Artículo y por País') plt.xticks(rotation=90) plt.xlabel('Artículo') plt.ylabel('Venta mensual (U$S)') plt.show()

                                week  quantity  total_amount
country_name seller_name                                    
Brazil       Daisie Slograve      60       226      65283.28
             Aveline Swanwick     66       227      58771.48
             Arnold Kilkenny      47       184      47243.54
Peru         Brockie Patience     15        49      46089.88
Argentina    Janel O'Curran       23        91      34971.47
Venezuela    Oliviero Charkham     4        25      33961.53
Colombia     Brockie Patience     14        70      33654.38
             Janel O'Curran       26        93      33333.03
El Salvador  Janel O'Curran        4        17      32967.15
Argentina    Brockie Patience      9        44      32553.20
                           week  quantity  total_amount
country_name article_name                              
Brazil       Full Pc         17        63     134052.03
Argentina    Full Pc         10        45      95751.45
Brazil       Notebook        20        83      83000.00
Colombia     Full Pc         11        34      72345.54
Peru         Full Pc          9        24      51067.44
Venezuela    Full Pc          5        21      44684.01
Mexico       Notebook        17        44      44000.00
Argentina    Notebook        16        43      43000.00
Brazil       Smartphone      19        79      41475.00
El Salvador  Full Pc          4        19      40428.39

# RESOLUCIÓN sns.pairplot(my_df, hue='country_name')

Las ventas en Brasil son las más altas seguidas por las de Argentina.

Entre los productos más vendidos se encuentran la Full PC y Notebooks.

Siendo la primer semana de ventas la más alta y más propicia para hacer campañas de marketing.