Jimena Schreiber - TP Final

# Levanto los datos en 3 diferentes dataframes # 1) Levanto la base en SQL (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']) # 2) Levanto los datos de excel (Vendedores) df_sellers= pd.read_excel('/work/data/sellers.xlsx', index_col=0) # 2) Levanto los datos de csv (Ordenes) df_orders= pd.read_csv('/work/data/orders.csv')

# Exploración del df de artículos print('Muestra de Articulos') print(df_articles.head()) print('\n Formato del DataFrame') print(df_articles.shape) print('\n Busqueda de valores null en columnas') print(df_articles.isnull().sum()) print('\n Formato de los datos por columna') print(df_articles.dtypes)

Muestra de Articulos
   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)

 Busqueda de valores null en columnas
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 Vendedores') print(df_sellers.head()) print('\n Formato del DataFrame') print(df_sellers.shape) print('\n Busqueda de valores null en columnas') print(df_sellers.isnull().sum()) print('\n Formato de los datos por columna') print(df_sellers.dtypes)

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

 Formato del DataFrame
(15, 1)

 Busqueda de valores null en columnas
seller_name    0
dtype: int64

 Formato de los datos por columna
seller_name    object
dtype: object

# Exploración del df de órdenes print('Muestra de Ordenes') print(df_orders.head()) print('\n Formato del DataFrame') print(df_orders.shape) print('\n Busqueda de valores null en columnas') print(df_orders.isnull().sum()) print('\n Formato de los datos por columna') print(df_orders.dtypes)

Muestra de Ordenes
   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)

 Busqueda de valores null en columnas
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']) 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'] # elimimo 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 df1= my_df.groupby(by='article_name').sum().sort_values(by='quantity', ascending = False).head(10) pd.options.display.float_format= '$ {:,.2f}'.format print(df1)

                  week  quantity  total_amount
article_name                                  
HDD                113       413   $ 22,558.06
Tablet              90       374   $ 48,620.00
SDD                 86       372    $ 8,184.00
Mouse               71       322    $ 9,756.60
Netbook             95       320   $ 46,400.00
Ram Memory          66       293   $ 10,533.35
Motherboard         79       291   $ 40,268.58
Pci Express Port    89       291    $ 2,944.92
Smartphone          74       290  $ 152,250.00
Range Extender      78       281    $ 5,746.45

# RESOLUCIÓN GRÁFICA df1['quantity'].plot(kind='bar') plt.xticks(rotation=90) sns.set_palette('Accent_r') plt.show

# RESOLUCIÓN ANALÍTICA df2=(my_df.groupby(by='article_name').sum()).sort_values('total_amount', ascending=False).head(10) pd.options.display.float_format= '$ {:,.2f}'.format print(df2['total_amount'])

article_name
Full Pc       $ 538,335.93
Notebook      $ 251,000.00
Smartphone    $ 152,250.00
Chair          $ 69,477.48
Tablet         $ 48,620.00
Monitor        $ 47,840.00
Netbook        $ 46,400.00
Scanner        $ 40,885.00
Motherboard    $ 40,268.58
CPU            $ 37,138.92
Name: total_amount, dtype: float64

# RESOLUCIÓN GRÁFICA plt.pie(x=df2['total_amount'], labels=df2.index, autopct='%1.2f%%',) sns.set_palette('Accent_r') plt.show()

# RESOLUCIÓN ANALÍTICA df4= my_df[['seller_name']+['quantity']+ ['total_amount']].groupby(['seller_name']).sum().sort_values('total_amount', ascending=False).head(5) print(df4) pd.options.display.float_format= '$ {:,.2f}'.format

                   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']) pd.options.display.float_format= '$ {:,.2f}'.format plt.xticks(rotation=60) sns.set_palette('BuPu') plt.show pd.options.display.float_format= '$ {:,.2f}'.format

df5=(my_df.groupby(by='week').sum()).sort_values('total_amount', ascending=False) print(df5)

      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']) sns.set_palette('BuPu') plt.show()

# RESOLUCIÓN ANALÍTICA df6=(my_df.groupby(by='country_name').sum()).sort_values('total_amount', ascending=False).head(5) pd.options.display.float_format= '$ {:,.2f}'.format print(df6['total_amount'])

country_name
Brazil      $ 441,271.85
Argentina   $ 205,832.78
Colombia    $ 177,514.29
Peru        $ 161,421.12
Mexico      $ 138,619.99
Name: total_amount, dtype: float64

# RESOLUCIÓN GRÁFICA plt.pie(x=df6['total_amount'], labels=df6.index, autopct='%1.2f%%') sns.set_palette('Set2') plt.show()

# RESOLUCIÓN ANALITICA my_df_arg= my_df[(my_df.country_name =='Argentina')] my_df_bra= my_df[(my_df.country_name =='Brazil')] df7a= my_df_arg[['week']+['quantity']].groupby(['week']).sum().sort_values('quantity', ascending=False).head(5) print('Ventas Argentina por Semana \n', df7a['quantity']) print() df7b= my_df_bra[['week']+['quantity']].groupby(['week']).sum().sort_values('quantity', ascending=False).head(5) print('Ventas Brasil por Semana \n', df7b['quantity'])

Ventas Argentina por Semana 
 week
2    413
1    275
3    160
4     99
Name: quantity, dtype: int64

Ventas Brasil por Semana 
 week
1    765
2    664
3    646
4    440
Name: quantity, dtype: int64

# Resolucion Grafica my_df_argba = my_df[(my_df.country_name =='Argentina') | (my_df.country_name =='Brazil')] sns.barplot(x='week', y='quantity', hue='country_name', data=my_df_argba) sns.set_palette('Set2')

# RESOLUCIÓN ANALITICA df8=my_df.loc[my_df['seller_name']=='Aveline Swanwick'] #print(df8) #ventas de Aveline por Pais por pais df9=(df8.groupby(by='country_name').sum()).sort_values('total_amount', ascending=False).head(10) pd.options.display.float_format= '$ {:,.2f}'.format print('Ventas de Aveline por Pais \n', df9['total_amount']) print() df10=my_df.loc[my_df['seller_name']=='Oliviero Charkham'] #print(df10) #ventas de Oliviero por Pais por pais df11=(df10.groupby(by='country_name').sum()).sort_values('total_amount', ascending=False).head(10) pd.options.display.float_format= '$ {:,.2f}'.format print('Ventas de Oliviero por Pais \n', df11['total_amount'])

Ventas de Aveline por Pais 
 country_name
Brazil       $ 58,771.48
Peru         $ 14,667.27
Mexico       $ 14,604.57
Colombia     $ 12,638.18
Argentina     $ 7,514.88
Ecuador       $ 3,280.00
Paraguay      $ 3,220.00
Costa Rica    $ 2,175.00
Chile         $ 1,086.64
Bolivia         $ 539.25
Name: total_amount, dtype: float64

Ventas de Oliviero por Pais 
 country_name
Venezuela     $ 33,961.53
Argentina     $ 28,985.95
Costa Rica    $ 24,021.21
Honduras      $ 19,403.32
Brazil        $ 14,951.72
Ecuador        $ 6,647.50
Colombia       $ 4,363.12
Mexico         $ 2,219.82
Chile          $ 2,127.81
El Salvador    $ 1,561.20
Name: total_amount, dtype: float64

# RESOLUCIÓN GRAFICA my_df_sellers= my_df[(my_df.seller_name =='Aveline Swanwick') | (my_df.seller_name =='Oliviero Charkham')] sns.barplot(x='country_name', y='total_amount', hue='seller_name', data=my_df_sellers) plt.xticks(rotation=90) sns.set_palette('Set2')

En este dataset encontramos información sobre las ventas de un determinado mes de una empresa dedicada a la comercialización de artículos de componentes de PC a lo largo de 16 países de Latinoamerica.

Explorando los datos vemos que que la base de datos nos proporciona información sobre: artículos, vendedores, países, cantidad de ventas y su importe correspondiente.

Algunos resultados que surgen del análisis de esta base de datos:

1) Podemos concluir que el articulo mas vendido en cantidad es el HDD, con un total 413 unidades, lo que da un importe por ventas de $ 22,558.06.

2) Sin embargo, el articulo que proporciono mas ingresos en el mes fue el Full PC, con un total de $ 538,335.93

3) El bono al mejor vendedor de este mes se lo otorgaremos a Janel O'Curran, que vendió 703 unidades por un importe total de $ 192,832.474.

4) A lo largo del mes vemos una clara tendencia decreciente en el volumen de ventas a medida que transcurren las semanas

5) El pais que mas ingresos por ventas tiene es Brasil ($ 441,271), seguido por Argentina ($ 205,832) y en tercer lugar Colombia ($ 177,514)

6) Si miramos las ventas en Argentina, veos que la semana con mayor cantidad de unidades de ventas es la segunda semana del Mes. En Brasil sin embargo, se mantiene la tendencia decreciente.

7) Si nos enofcamos en dos de los mejores vendedores Aveline Swanwick tiene mayor cantidad de ventas en Brasil, Peru y Mexico. Mientras que Oliviero vende mas en Venezuela, Argentina y Costa Rica.