# 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 # para que levante bien el excel import matplotlib.pyplot as plt import seaborn as sns from IPython.display import display from mpl_toolkits.axes_grid1 import make_axes_locatable

# Levanto los datos en 3 diferentes dataframes 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') # Órdenes 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)

# 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)

pd.options.display.float_format ="$ {:,.2f}".format

df_merge = (df_sellers.merge(df_orders, on='seller_id', how='inner').merge(df_articles,on="article_id")) df_merge['total_amount']=df_merge['quantity']*df_merge['unit_price'] my_df=pd.DataFrame(df_merge, columns = ['week','quantity','article_name','total_amount', 'seller_name', 'country_name']) print(my_df) my_df

# RESOLUCIÓN ANALÍTICA:agrupo los datos por articulo y sumo las cantidades vendidas. df_cant_articulos = my_df.groupby('article_name').sum() #Se ordena en forma descendente para visualizar los 10 mas vendidos df_cant_articulos_ord = df_cant_articulos.sort_values('quantity', ascending=False).head(10) #Imprimo con campo cantidad para que me muestre solo esa columna y los articulos df_cant_articulos_ord[['quantity']].style.set_properties(**{'border': '1.5px solid cyan','color': 'crimson'})

# RESOLUCIÓN GRÁFICA sns.barplot(y = df_cant_articulos_ord["quantity"], x=df_cant_articulos_ord.index) plt.xticks(rotation=45) plt.gcf().set_size_inches(10, 5) plt.grid(False) plt.title("Los 10 articulos mas vendidos") plt.ylabel("Cantidad de ventas") plt.xlabel("Articulos") plt.show()

# RESOLUCIÓN ANALÍTICA df_monto_articulo_ord = my_df.groupby('article_name').sum().sort_values('total_amount', ascending=False).head(5) df_monto_articulo_ord[['total_amount']].style.set_properties(**{'border': '1.5px solid crimson','color': 'cyan'}).format("$ {:.2f}")

# RESOLUCIÓN GRÁFICA plt.barh(df_monto_articulo_ord.index, df_monto_articulo_ord['total_amount'] , height=0.7,color=["#0B4C5F","#045FB4","#0080FF","#58ACFA","#A9D0F5"]) plt.gcf().set_size_inches(10, 5) plt.grid(False) plt.title("Los 5 articulos con mayor monto de ventas") plt.ylabel("Articulo") plt.xlabel("Monto") plt.show()

# RESOLUCIÓN ANALÍTICA df_monto_vendedor_ord = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending=False).head(10) df_monto_vendedor_ord[['total_amount']].style.highlight_max().format("$ {:.2f}")

# RESOLUCIÓN GRÁFICA plt.bar(df_monto_vendedor_ord.index, df_monto_vendedor_ord['total_amount'],color=["yellow","pink","pink","pink","pink","pink","pink","pink","pink","pink"]) plt.gcf().set_size_inches(10, 5) plt.xticks(rotation=45,ha="right") plt.grid(False) plt.title("Los 10 vendedores que mas recaudaron en el mes, destacando el primero",color="hotpink",fontweight="bold",pad="20.0") plt.ylabel("Monto") plt.xlabel("Vendedores") plt.show()

# RESOLUCIÓN ANALÍTICA df_monto_vtas_mes = my_df.groupby('week').sum().sort_values('total_amount', ascending=False) df_monto_vtas_mes[['total_amount']].style.background_gradient().format("$ {:.2f}")

# RESOLUCIÓN GRÁFICA plt.style.use('dark_background') g=plt.bar(df_monto_vtas_mes.index,df_monto_vtas_mes['total_amount'], width=0.5,color=['#0B173B','#0040FF','#2E64FE','#5882FA'] ) plt.gcf().set_size_inches(10, 5) plt.grid(False) plt.title("Variacion del monto recaudado por semana",color="white",fontweight="bold",pad="20.0") plt.ylabel("Monto") plt.xlabel("Semanas") plt.show()

# RESOLUCIÓN df_monto_vtas_pais = my_df.groupby('country_name').sum().sort_values('total_amount', ascending=False) df_monto_vtas_pais[['total_amount']].style.set_properties(**{'border': '1.5px solid orange','color': 'green'}).format("$ {:.2f}")

plt.barh(df_monto_vtas_pais.index, df_monto_vtas_pais['total_amount'],color=["#FB3D01","#FB440D","#FA521E","#F76437","#F87A53","#F48564","#F49173","#F79C81","#F6A58C","#F6B19C","#F4B7A5","#F2C2B4","#EFC8BD","#F1D1C7","#F7DFD9","#F7EDE9"]) plt.gcf().set_size_inches(10, 5) plt.title("Total de montos por ventas por cada pais",color="white",fontweight="bold",pad="20.0") plt.grid(False) plt.xlabel("Monto por pais") plt.show()

# RESOLUCIÓN: Se agrupa por las dos claves, pais y vendedor y se suma el monto recaudado por vendedor y por pais. df_monto_vendedorpais = my_df.groupby(['country_name','seller_name']).sum() #Vuelvo a agrupar esta vez por pais y se le indica que es indice. #despues compruebo que es un objeto index que tiene una lista, con el punto values,devuelve el objeto como un array. paises = df_monto_vendedorpais.groupby('country_name').sum().index.values #Creo un dataframe vacio donde se va a volcar la informacion luego de loopear la lista #paises donde se va a obtener el maximo por pais. El valor de el df paises es el index. df_paises=pd.DataFrame(columns=['Vendedores','Monto'], index=paises) for pais in paises: df = df_monto_vendedorpais.loc[pais] #asigno cada pais a un df mt = df.max()['total_amount'] #cuando lo encuentra, se usa para buscar en el mismo df cual es el indice v = df[(df['total_amount'] == mt)].index[0] #devuelve un objeto del cual nos traemos el primer elemento df_paises.loc[pais]= {'Vendedores': v, 'Monto': mt }#asigno un diccionario al dataframe vacio, por cada fila para cada pais indicando vendedores y monto. df_paises=df_paises.sort_values('Monto', ascending=False)#para mejor visualizacion y tambien para ver la mayor recaudacion de todas se ordena. df_paises[["Vendedores"]+["Monto"]].style.set_properties(**{'border': '2px solid green','color': 'red'})

myStyle = { 'axes.edgecolor': 'black', 'axes.facecolor': 'LightCyan', 'axes.grid': True, 'grid.linestyle': '--', 'ytick.right': True, 'axes.spines.right': False, 'axes.spines.top': False } sns.set_style("white") sns.set_style(myStyle) plt.figure(figsize=(10,6)) g=sns.barplot(data=df_paises, x=df_paises.index ,y='Monto', hue='Vendedores',palette="bright",dodge=False) g.set_xticklabels(labels=df_paises.index,rotation=70,ha="right") g.set_title("Montos de venta por pais y por vendedor",color="blue",fontweight="bold",pad="20.0") plt.show()

# RESOLUCIÓN: Se realiza un procedimiento similar al efectuado agrupando pais vendedor, por monto # Aqui agrupo por articulo y semana, para conocer cantidad df_cant_artimes = my_df.groupby(['article_name','week']).sum() articulos = df_cant_artimes.groupby("article_name").sum().index.values df_nuevo=pd.DataFrame(columns=['Semana', 'Ventas'], index=articulos) #Este loop es similar al anterior solo que busco las semanas donde se realizaron menor cantidad de ventas for a in articulos: df1 = df_cant_artimes.loc[a] tot = df1.min()['quantity'] w = df1[(df1['quantity'] == tot)].index[0] df_nuevo.loc[a]= {'Semana': w, 'Ventas': tot } df_nuevo['Semana'] = df_nuevo['Semana'].astype(int)#se realiza casteo porque semana no se trataba de un entero sino de un objeto df_nuevo['Ventas'] = df_nuevo['Ventas'].astype(int)#se castea ventas porque se trata de cantidades, no montos. df_nuevo=df_nuevo.sort_values('Ventas', ascending=True)#ordeno para buscar la menor cantidad de ventas por articulo y por semana df_nuevo[["Semana"]+["Ventas"]].style.background_gradient()

g=sns.barplot(data=df_nuevo, x=df_nuevo.index ,y='Ventas', hue='Semana',palette="ch:rot=-.25,hue=1,light=.75",dodge=False) plt.gcf().set_size_inches(12, 6) g.set_xticklabels(labels=df_nuevo.index,rotation=55,ha="right") g.set_title("Total venta de cada articulo, por semana",color="#0B4C5F",fontweight="bold",pad="20.0") plt.show()