Manuel Torres - TP Final 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 # para que levante bien el excel import matplotlib.pyplot as plt import seaborn as sns

# 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) # 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().align) 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)

# Creo una copia del df_orders my_df = df_orders.copy() # Cambio el índice del df de artículos df_articles.set_index('article_id',inplace = True) # Agrego algunas columnas y pongo el campo que me va a servir de "ancla" para acordarme 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']) # reemplazo los valores en el nuevo df # 1. busco el nombre del artículo y lo asigno a una variable # como df_articles está indexado por article_id, lo uso para ubicarme en # el registro que busco # 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 for i in range(len(my_df.index)): # len(my_df.index) devuelve la cantidad de registros idArticulo = my_df.loc[i]['article_id'] nombreArticulo = df_articles.loc[idArticulo]['article_name'] # se lo asigno a la columna correspondiente my_df.loc[i,'article_name'] = nombreArticulo # hago lo mismo en un solo paso para la columna de total_amount precioArticulo = df_articles.loc[idArticulo]['unit_price'] cantArticulo = my_df.loc[i]['quantity'] my_df.loc[i,'total_amount'] = precioArticulo * cantArticulo # columna de seller_name idVendedor = my_df.loc[i]['seller_id'] nombreVendedor = df_sellers.loc[idVendedor]['seller_name'] my_df.loc[i,'seller_name'] = nombreVendedor # elimino las columnas que no necesito my_df.drop(['order_id', 'article_id', 'seller_id'], axis = 'columns', inplace=True) print(my_df)

# SI SOBRA TIEMPO Se puede mencionar la función merge para hacer joins entre dataframes # https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.merge.html d1=pd.DataFrame({'mes': ['ene','feb','mar','abr'], 'ventas':[10,20,30,15]}) d2=pd.DataFrame({'mes': ['ene','feb','mar','abr'], 'costos':[7,16,25,12]}) print(pd.merge(d1,d2))

# RESOLUCIÓN ANALÍTICA df_suma_de_ventas=my_df.groupby('article_name').sum().reset_index() #Quiero Obtener los 5 primeros para graficar primeros_cinco = df_suma_de_ventas.sort_values('quantity', ascending=False).head(5) print(primeros_cinco['quantity'].head(1)) print(primeros_cinco) #print(f'El articulo mas vendido fue {primeros_cinco["article_name"][0]}')

# RESOLUCIÓN GRÁFICA print('Artículos mas vendidos') sns.barplot(y=primeros_cinco["quantity"], x=primeros_cinco.index) plt.xticks(rotation=75) plt.title('Ventas por artículos') plt.ylabel('Cantidades') #Agrego label eje Y plt.xlabel('Artículos') #Agrego label eje X plt.show()

# RESOLUCIÓN ANALÍTICA #Genero los dataframes que voy a utilizar df_totales = my_df.groupby(by='article_name').sum() df_top_diez = df_totales.sort_values('total_amount', ascending=False).head(10) #creo el gráfico print(df_top_diez)

# RESOLUCIÓN GRÁFICA #Genero los dataframes que voy a utilizar df_totales = my_df.groupby(by='article_name').sum() df_top_diez = df_totales.sort_values('total_amount', ascending=False).head(10) #creo el gráfico sns.barplot(x=df_top_diez['total_amount'], y=df_top_diez.index) plt.title('Diez Artículos más vendidos') plt.ylabel('Artículos') plt.xlabel('Monto Total') plt.show()

# RESOLUCIÓN ANALÍTICA #genero el df de vendedores agrupando sus ventas df_vendedores = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False) print(df_vendedores[['quantity']+['total_amount']].head(1))

# RESOLUCIÓN GRÁFICA e = [0.5] #seteamos el extrude que va a ser del valor mayor exp = [e.append(0) for x in range(len(df_vendedores)-1)] sns.set(rc={'figure.figsize':(6,6)}) graf_vendedores = sns.color_palette('pastel', n_colors=len(df_vendedores)) #Estilo dark plt.style.use("dark_background") plt.suptitle(t='Ventas por vendedor', y=1.2, fontsize='xx-large') _, _, autotexts = plt.pie(df_vendedores['total_amount'], explode=e,labels=df_vendedores.index, colors=exp,radius=1.7, autopct='%1.1f%%') for ins in autotexts: ins.set_color('black') plt.show()

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

# RESOLUCIÓN GRÁFICA sns.barplot(y=df_ventas_semana["total_amount"], x=df_ventas_semana.index, palette="Blues_d") sns.set(rc={'figure.figsize':(7,7)}) plt.xlabel("Semanas") plt.ylabel("Monto vendido") plt.title("Monto vendido por semana") plt.show()

# RESOLUCIÓN por_paises = (my_df.groupby(by='country_name').sum()).sort_values('total_amount',ascending=True) print(por_paises['total_amount'].head(5)) #modificamos el tamaño del gráfico sns.set(rc={'figure.figsize':(10,5)}) plt.bar(por_paises.index,por_paises['total_amount'], color="orange") plt.xticks(rotation=75, ha="right") plt.xlabel("Países") plt.ylabel("Monto ventas") plt.title("total de ventas") plt.show() print("El país en el que debemos mejorar nuestra campaña de marketing es", por_paises.index[0])

# RESOLUCIÓN # RESOLUCIÓN ANALÍTICA #Obtenemos los totales df_articulo_pais = my_df.groupby(['country_name', 'article_name']).sum() lista_paises = my_df.groupby('country_name').sum().index.values #dentro de este df vamos a colocar los datos obtenidos df_final = pd.DataFrame(columns=['Artículo', 'Ventas'], index=lista_paises) # Populamos el df for p in lista_paises: df = df_articulo_pais.loc[p] v = df.max()['total_amount'] a = df[(df['total_amount'] == v)].index[0] df_final.loc[p] = {'Artículo': a, 'Ventas': v} df_final = df_final.sort_values(['Ventas'], ascending=False) df_final.reset_index(inplace=True, drop=False) df_final.columns = ['País','Artículo', 'Ventas'] print(df_final)

# RESOLUCIÓN #generamos el df de venderores por país df_orders_copy = my_df.copy() df_pais_vendedor = df_orders_copy.groupby(['country_name', 'seller_name']).sum() #Listado de paises paises = my_df.groupby('country_name').sum().index.values #df donde colocaremos la data integrada df_integrada = pd.DataFrame(columns=['Vendedor', 'Ventas'], index=paises) for p in paises: df = df_pais_vendedor.loc[p] v = df.max()['total_amount'] s = df[(df['total_amount'] == v)].index[0] df_integrada.loc[p] = {'Vendedor': s, 'Ventas': v} df_integrada['Paises'] = df_integrada.index lista_acotada = df_integrada.sort_values(by='Ventas').head(5) print(lista_acotada.Vendedor)