Trabajo Practico Integrador

# 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 as opxl 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']) #se PUEDE SACAR UNA DE ESTAS PUES SON IGUALES .... VER SI ALGUNA NO SE UTILIZA PARA SACAR #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) #Aca me mostro que el precio unitario es un objeto, para manejarlo mejor #con los precios lo cambiare en PREPARACION a float

# 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) #Lo corro a esta sentencia y luego corro la primera de exploracion y voala!!! #Toma la columna entera de precio unitario y completa la cambia a float

#Creo una copia del df_orders #Hago una copia del mas parecido y asi este lo modifico para treabajar my_df = df_orders.copy() #Cambio el indice del df_articles porque no lo necesito, es redundante con el articles_id df_articles.set_index('article_id', inplace= True) #Ahora trabajamos en las columnas de my_df que debo agregar y pongo el campo que # va a servir para anclar my_df = my_df.assign(article_name = my_df['article_id']) my_df = my_df.assign(seller_name = my_df['seller_id']) #Utilizo la misma columna que en el anterior porque #De aqui obtengo precio y cantidad my_df = my_df.assign(total_amount = my_df['article_id']) # reemplazo los valores en el nuevo df #Columna article_name # Busco el nombre del artículo y lo asigno a una variable(article) # Uso article_id, para ubicarme en el registro que busco # Y extraer el nombre del artículo , mismo procedimiento para las otras dos columnas for i in range(len(my_df.index)): #nombre de Articulo article = df_articles.loc[my_df.loc[i]['article_id']]['article_name'] #Lo asignamos my_df.loc[i,'article_name'] = article #Total de Ventas total = my_df.loc[ i,'quantity'] * df_articles.loc[my_df.loc[i]['article_id']]['unit_price'] #Lo asignamos my_df.loc[i,'total_amount'] = total #Nombre Vendedor Vendedor = df_sellers.loc[my_df.loc[i]['seller_id']]['seller_name'] #lo asignamos my_df.loc[i, 'seller_name'] = Vendedor #Borro las columnas que no necesito my_df.drop(['order_id', 'article_id', 'seller_id'], axis = 'columns', inplace = True) print(my_df)

# RESOLUCIÓN ANALÍTICA # Para determinar cual es el producto más vendido debo crear unn nuevo dataframe que # Contenga el nombre del producto y la cantidad total vendida de ese producto # ordenado de mayor a menor dfmasvedido = my_df.groupby('article_name').sum() # me muestra los productos vendidos por semana, la cantidad y el tota de ventas de ese producto cantidad = dfmasvedido.sort_values('quantity', ascending= False) print(cantidad['quantity'].head(1))

# RESOLUCIÓN GRÁFICA sns.barplot(y=cantidad['quantity'], x=cantidad.index, palette = 'RdYlGn') plt.xticks(rotation = 90) plt.title('Ventas De Articulos') plt.xlabel('Artículos') plt.ylabel('Cantidad') plt.show() #En el siguiente grafico vemos que el mayor producto vendido #Corresponde con la resolucion Analitica

# RESOLUCIÓN ANALÍTICA dfingresos = dfmasvedido.sort_values('total_amount',ascending=False) print(dfingresos)

# RESOLUCIÓN GRÁFICA sns.barplot(dfingresos.index,dfingresos['total_amount']) plt.title('Ingresos por Artículo') plt.xticks(rotation = 90) plt.xlabel('Artículos') plt.ylabel('Total de Ventas') plt.show() #Aqui Resolvi con un barplot, en vez de la solucion que dieron en el curso. #Pues mostrar los 5 primeros resultados no representa el total de la muestra

# RESOLUCIÓN ANALÍTICA mvendedor = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False) print(mvendedor[['quantity']+['total_amount']])

# RESOLUCIÓN GRÁFICA plt.bar(mvendedor.index,mvendedor['total_amount'],color=['yellow', 'red', 'green', 'blue', 'cyan']) plt.xticks(rotation=90) plt.title('Mejor Vendedor') plt.xlabel('Vendedor') plt.ylabel('Total de ventas') plt.show() #Aqui notamos que la mejor vendedora es Janet O'Curran

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

# RESOLUCIÓN GRÁFICA plt.suptitle(t='Ventas Por Semana', y=0.9, fontsize='xx-large') plt.pie(ventasxmes['total_amount'], labels= ventasxmes.index, autopct='%1.1f%%')

# RESOLUCIÓN #Cual es el top de los cino paises que mas vendieron rpaises=(my_df.groupby(by='country_name').sum()).sort_values('total_amount',ascending=False).head(5) print(rpaises['total_amount']) #Utilizo el metodo que he usado hasta ahora pero lo acoto a los primeros cinco resultado

#Resolucion Grafica #Con un grafico de barras queda una respuesta contundente sns.barplot(y=rpaises['total_amount'], x=rpaises.index ) #Aqui podemos observar con mas claridad que las ventas son superadoras en brazil #Y relativamente iguales en los otros

# RESOLUCIÓN # ¿Cual es la semana de mayor venta para cada pais? # Obtener total x semana x pais pais_semana = my_df.groupby(['country_name', 'week']).sum() # Lista de paises paises = my_df.groupby('country_name').sum().index.values # Creo el DF final df_final = pd.DataFrame(columns=['Semana', 'Ventas'], index=paises) for p in paises: df = pais_semana.loc[p] v = df.max()['total_amount'] s = df[(df['total_amount'] == v)].index[0] df_final.loc[p] = {'Semana': s, 'Ventas': v} df_final['Semana'] = df_final['Semana'].astype(int) print(df_final) #En donde muestro la mejor semana de ventas por pais

# RESOLUCIÓN #¿Cuales son los productos menos vendidos por paises # Previsualizar el DF final # ------------------------- # "País" "Artículo" "Ventas" # Pais1 art monto # Pais2 art monto # 1) Obtener total x artículo x pais df_pais_articulo = my_df.groupby(['country_name', 'article_name']).sum() # 2) Obtener la lista de paises paises = my_df.groupby('country_name').sum().index.values # 3) Creo el DF final, pero aún sin datos my_df6 = pd.DataFrame(columns=['Artículo', 'Ventas'], index=paises) # 4) Procesar el DF df_pais_articulo y obtener las ventas minimas x artículo y guardarlas en my_df5 for p in paises: df = df_pais_articulo.loc[p] v = df.min()['total_amount'] a = df[(df['total_amount'] == v)].index[0] my_df6.loc[p] = {'Artículo': a, 'Ventas': v} my_df6 = my_df6.sort_values(['Artículo', 'Ventas']) my_df6.reset_index(inplace=True, drop=False) my_df6.columns = ['País','Artículo', 'Ventas'] print(my_df6)