# Levanto los datos en 3 diferentes dataframes
#Articulos conexión
conn = sql3.connect('/work/data/articles.db')
sql_query = pd.read_sql_query('SELECT * FROM articles', conn) #conexión por conn
#dataframe por panda, info de sql query
#Pedir las columnas a traer, con sql pedimos todo xq no sabemos cuáles son
df_articles = pd.DataFrame(sql_query, columns=['article_id', 'article_name', 'unit_price'])
#df_articles
#Vendedores
df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0) #toma la col 0 y sea la index
#df_sellers
#Ordenes
df_orders = pd.read_csv('/work/data/orders.csv')
df_articles
article_idint64
20015 - 20045
article_nameobject
Smartphone3.2%
Full Pc3.2%
29 others93.5%
0
20015
Smartphone
1
20016
Full Pc
2
20017
Monitor
3
20018
Tablet
4
20019
Desk
5
20020
Chair
6
20021
Modem
7
20022
Range Extender
8
20023
Notebook
9
20024
Netbook
# Exploración del df de artículos
print('Muestra de datos')
print(df_articles.head())
print('\nFormato del Dataframe')
print(df_articles.shape)
print('\nBuscar valores nulos')
print(df_articles.isnull().sum()) #sin sum me da la lista y me tira falso cuando no es nulo, con sum solo me tira la cant de nulos
print('\nFormato de los datos del Datafame')
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)
Buscar valores nulos
article_id 0
article_name 0
unit_price 0
dtype: int64
Formato de los datos del Datafame
article_id int64
article_name object
unit_price object
dtype: object
# Exploración del df de vendedores
print('Muestra de datos')
print(df_sellers.head())
print('\nFormato del Dataframe')
print(df_sellers.shape)
print('\nBuscar valores nulos')
print(df_sellers.isnull().sum()) #sin sum me da la lista y me tira falso cuando no es nulo, con sum solo me tira la cant de nulos
print('\nFormato de los datos del Datafame')
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)
Buscar valores nulos
seller_name 0
dtype: int64
Formato de los datos del Datafame
seller_name object
dtype: object
# Exploración del df de órdenes
print('Muestra de datos')
print(df_orders.head())
print('\nFormato del Dataframe')
print(df_orders.shape)
print('\nBuscar valores nulos')
print(df_orders.isnull().sum()) #sin sum me da la lista y me tira falso cuando no es nulo, con sum solo me tira la cant de nulos
print('\nFormato de los datos del Datafame')
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)
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 Datafame
order_id int64
week int64
article_id int64
quantity int64
seller_id int64
country_name object
dtype: object
#Cambiar a float los precios unitarios y guarrdar en la misma col
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
#Creo una copia del df_orders
my_df = df_orders.copy()
# Cambio el indice del df_articles
df_articles.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(df_articles)
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_articles.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_sellers.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_articles.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)
#my_df
#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
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
# RESOLUCIÓN GRÁFICA
sns.barplot(x=my_df2.index, y=my_df2['quantity'], data = my_df2, order=my_df2.sort_values('quantity', ascending=False).index)
plt.xticks(rotation=90)
plt.show()
# RESOLUCIÓN ANALÍTICA
my_df2 = my_df.groupby('article_name').sum()
mayor_ingresos = my_df2.sort_values('total_amount', ascending=False).head()
print(mayor_ingresos['total_amount'])
article_name
Full Pc 538335.93
Notebook 251000.00
Smartphone 152250.00
Chair 69477.48
Tablet 48620.00
Name: total_amount, dtype: float64
# RESOLUCIÓN GRÁFICA
#solo los 5 primeros, con porc no sería el núm real
plt.pie(x=mayor_ingresos['total_amount'], labels=mayor_ingresos.index)
plt.show()
# RESOLUCIÓN ANALÍTICA
df3 = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending=False)
print(df3[['quantity']+['total_amount']].head(1))
quantity total_amount
seller_name
Janel O'Curran 703 192832.47
# RESOLUCIÓN GRÁFICA
plt.bar(df3.index,df3['total_amount'])
plt.xticks(rotation=45)
plt.show()
# RESOLUCIÓN ANALÍTICA
df4 = my_df.groupby('week').sum()
print(df4)
quantity total_amount
week
1 2449 507458.81
2 2444 415364.44
3 2114 329140.03
4 1058 223844.56
# RESOLUCIÓN GRÁFICA
plt.bar(df4.index,df4['total_amount'])
plt.show()
# RESOLUCIÓN
my_df5 = my_df.groupby('country_name').sum()
por_pais = my_df5.sort_values('total_amount', ascending=False)
pd.options.display.float_format = '$ {:,.2f}'.format
#df['total_amount']
print(por_pais['total_amount'].head())
#print(my_df3)
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
sns.barplot(x=my_df5.index, y=my_df5['total_amount'],data = my_df5,palette ='rocket', order=my_df5.sort_values('total_amount', ascending=False).index)
plt.xticks(rotation=45)
plt.xlabel('Países')
plt.ylabel('Ingresos por ventas')
plt.show()
# RESOLUCIÓN
my_df6 = my_df.groupby('article_name').sum()
por_cant = my_df6.sort_values('quantity', ascending=True).head()
print(por_cant['quantity'])
article_name
Wi-Fi Card 141
Keyboard 165
Fan Cooler 205
Case 206
Chair 207
Name: quantity, dtype: int64
plt.bar(por_cant.index,por_cant['quantity'], width=0.6, color=['firebrick','darkolivegreen','teal','navy','purple'])
plt.xticks(rotation=30)
plt.xlabel('Artículos menos vendidos')
plt.ylabel('Cantidad')
plt.show()
# RESOLUCIÓN
df7 = my_df
vendedor = df7.loc[my_df['seller_name'] == "Janel O'Curran"]
vendedor = vendedor.groupby('article_name').sum().sort_values('total_amount', ascending=False).head(8)
vendedor.drop(['week','quantity'],axis = 'columns', inplace=True)
print(vendedor)
total_amount
article_name
Full Pc $ 119,157.36
Notebook $ 17,000.00
Smartphone $ 16,800.00
Netbook $ 5,945.00
Tablet $ 4,940.00
Scanner $ 4,625.00
Monitor $ 4,140.00
HDD $ 4,096.50
plt.pie(x=vendedor['total_amount'], labels=vendedor.index)
plt.show()