# Levanto los datos en 3 diferentes dataframes
# Artículos
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 nulls 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 nulls 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()) # head() 5 Filas por defecto
print('\nFormato del dataframe')
print(df_sellers.shape)
print('\nBúsqueda de valores nulls 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 nulls 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()) # head() 5 Filas por defecto
print('\nFormato del dataframe')
print(df_orders.shape)
print('\nBúsqueda de valores nulls 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 nulls 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
my_df = df_orders.copy() # shallow copy o copia superficial (otro Objeto alojado en la memoria)
# Cambio el índice 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'])
# 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
# 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' (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']
# 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 del df
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
print(my_df['article_name'].value_counts()) # cuenta valores únicos
HDD 47
Netbook 45
SDD 45
Tablet 40
Usb Cable 39
Sata Cable 38
Pci Express Port 37
Range Extender 36
Smartphone 35
Headphones 34
Full Pc 34
Heatsink 34
Power Supply 34
Mouse 34
Motherboard 33
Water Cooling 32
Video Card 31
Ram Memory 31
Notebook 30
Modem 29
CPU 29
Mesh Wi-Fi X 2 28
Webcam 28
Desk 28
Monitor 26
Case 26
Fan Cooler 25
Chair 24
Scanner 24
Keyboard 22
Wi-Fi Card 22
Name: article_name, dtype: int64
# RESOLUCIÓN GRÁFICA
sns.displot(my_df, x='article_name')
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'])
# 'article_name' es el index
# print(df2) # agrupa (y suma) sólo datos numéricos
# SINTAXIS ALTERNATIVA
# pd.options.display.float_format= '$ {:,.2f}'.format
# print(my_df[['article_name'] + ['total_amount']].groupby(['article_name']).sum().sort_values('total_amount', ascending=False).head(5))
article_name
Full Pc $ 538,335.93
Notebook $ 251,000.00
Smartphone $ 152,250.00
Chair $ 69,477.48
Tablet $ 48,620.00
Name: total_amount, dtype: float64
# RESOLUCIÓN GRÁFICA
plt.pie(x=df2['total_amount'], labels=df2.index)
plt.show()
# 'article_name' es el index
# 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']])
print(df4[['quantity'] + ['total_amount']].head(5))
# 'seller_anme' es el index
quantity total_amount
seller_name
Janel O'Curran 703 $ 192,832.47
Brockie Patience 441 $ 142,709.88
Oliviero Charkham 555 $ 141,329.76
Vasily Danilyuk 521 $ 129,157.55
Daisie Slograve 554 $ 120,520.11
# RESOLUCIÓN GRÁFICA
plt.bar(df4.index, df4['total_amount'])
plt.xticks(rotation=60)
plt.show()
# 'seller_anme' es el index
# 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']])
# 'week' es el index
quantity total_amount
week
1 2449 $ 507,458.81
2 2444 $ 415,364.44
3 2114 $ 329,140.03
4 1058 $ 223,844.56
# RESOLUCIÓN GRÁFICA
plt.bar(df5.index, df5['total_amount'])
plt.show()
# 'week' es el index
# Resolución Analítica y Gráfica
## Ventas por País en $
df_countries = (my_df[['country_name','total_amount']].groupby(by='country_name').sum()).sort_values('total_amount', ascending=False)
pd.options.display.float_format= '$ {:,.0f}'.format
print(df_countries)
plt.style.use('seaborn')
plt.bar(df_countries.index, df_countries['total_amount'], color='C7')
plt.xticks(rotation=60)
plt.title('Ventas por País en $')
plt.show()
total_amount
country_name
Brazil $ 441,272
Argentina $ 205,833
Colombia $ 177,514
Peru $ 161,421
Mexico $ 138,620
Venezuela $ 77,685
El Salvador $ 57,391
Guatemala $ 52,579
Honduras $ 36,764
Costa Rica $ 34,606
Chile $ 24,661
Bolivia $ 22,683
Uruguay $ 17,843
Ecuador $ 17,475
Paraguay $ 8,195
Puerto Rico $ 1,265
# Resolución Analítica y Gráfica
## Ventas en cantidad por País
df_countries = (my_df[['country_name','quantity']].groupby(by='country_name').sum()).sort_values('quantity', ascending=False)
pd.options.display.float_format= '$ {:,.0f}'.format
print(df_countries)
plt.style.use('seaborn')
plt.bar(df_countries.index, df_countries['quantity'], color='C7')
plt.xticks(rotation=60)
plt.title('Ventas en cantidad por País')
plt.show()
quantity
country_name
Brazil 2515
Peru 1027
Argentina 947
Colombia 881
Mexico 846
Venezuela 320
Honduras 303
Chile 231
Guatemala 202
Bolivia 181
Costa Rica 145
Ecuador 129
Paraguay 123
El Salvador 111
Uruguay 92
Puerto Rico 12
# Resolución Analítica y Gráfica
## Mejores vendedores de Argentina
df_argentina = my_df[my_df['country_name'] == 'Argentina']
df_argentina_sellers = (df_argentina.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False).index.values
print(df_argentina[['seller_name','total_amount', 'quantity']].groupby('seller_name').sum().sort_values('total_amount', ascending=False))
df_argentina_bars = df_argentina[['seller_name','total_amount']].groupby('seller_name').sum('total_amount').sort_values('total_amount', ascending=False).reset_index()
df_argentina_line = df_argentina[['seller_name','quantity']].groupby('seller_name').sum('quantity').sort_values('quantity', ascending=False).reset_index()
fig, ax1 = plt.subplots()
sns.barplot(x='seller_name', y='total_amount', data = df_argentina_bars, ax=ax1, color='C7', order = df_argentina_sellers, ci=None)
plt.xticks(rotation=60)
ax2 = ax1.twinx()
sns.lineplot(data = df_argentina_line, x='seller_name', y='quantity', ax=ax2, color='C35', ci=None)
plt.xticks(rotation=60)
plt.title('Mejores Vendedores de Argentina')
ax1.set_xlabel("Nombre del Vendedor")
ax1.set_ylabel("Ventas en $")
ax2.set_ylabel("Ventas en Cantidad")
plt.show()
total_amount quantity
seller_name
Janel O'Curran $ 34,971 91
Brockie Patience $ 32,553 44
Oliviero Charkham $ 28,986 77
Vasily Danilyuk $ 27,503 57
Onida Cosely $ 17,216 71
Tobin Roselli $ 12,813 77
Daisie Slograve $ 11,005 28
Arnold Kilkenny $ 9,827 82
Aveline Swanwick $ 7,515 77
Cornie Wynrehame $ 6,721 110
Kati Innot $ 5,672 49
Jase Doy $ 5,325 96
Ewell Peres $ 3,650 44
Cirilo Grandham $ 1,354 33
Milly Christoffe $ 721 11
El artículo más vendido en cantidad es HDD, con 47 unidades.
El artículo que más ingreso nos proporcionó es Full PC, por $ 538.335,93.
El bono al mejor vendedor del mes, se debe otorgar a Janel O´Curran, pues vendió 703 unidades por un monto de $ 192.832,47.
Hay grandes variaciones en las ventas a lo largo del mes, dado que a fin de mes las mismas descienden un poco más de la mitad. Antes de que ello ocurra, debería lanzarse una campaña de promociones, alrededor de mitad de mes, para conseguir el efecto deseado.
El monto de ventas por País es el siguiente (solamente detallo los 3 primeros en las conclusiones): Brasil $ 441.272; Argentina $ 205.833 y Colombia $ 177.514.
Las ventas en cantidad por País (detallo sólo los 3 primeros países en las conclusiones): Brasil 2.515 unidades; Perú 1.027 unidades y Argentina 947 unidades.
Para Argentina, el mejor vendedor es Janel O´Currean por $ 34.971 y con 91 unidades vendidas; el peor es Milly Christroffe por $ 721 y 11 unidades.