# A veces necesitamos instalar nuevas librerías en nuestros proyectos # "!" para instalar librería desde el intérprete...sino se instala desde la consola !pip install openpyxl==3.0.10 #luego no hace falta importarla

# imports import numpy as np import matplotlib.pyplot as plt import pandas as pd import sqlite3 as sql3 import seaborn as sns

# Levanto los datos en 3 diferentes dataframes # ARTÍCULOS #Creo una conexion y le digo la fuente de los datos con = sql3.connect("/work/data/articles.db") #pandas tiene un método para leer los querys de sql sql_query = pd.read_sql_query("SELECT * FROM articles", con) ###VER INDEX_COL DEL DF_SELLERS #creo el Data frame df_articles = pd.DataFrame(sql_query, columns= ["article_id", "article_name", "unit_price"]) print(df_articles)

#VENDEDORES #creo el df de vendedores df_sellers = pd.read_excel("/work/data/sellers.xlsx", index_col= 0) #con index elegí cuál quiero que sea mí índice print(df_sellers)

#ÓRDENES df_orders = pd.read_csv("/work/data/orders.csv") print(df_orders)

# Exploración del df de artículos print("Muestra de datos") print(df_articles.head()) print("\nFormato del dataframe") print(df_articles.shape) print("\n Búsqueda de valores nulos") print(df_articles.isnull().sum()) #primero evalua si hay nulos y luego los suma print("\n Formato de los datos") print(df_articles.dtypes) #si es un atributo no lleva () luego de la orden

# Exploración del df de vendedores print("Muestra de datos") print(df_sellers.head()) print("\nFormato del dataframe") print(df_sellers.shape) print("\n Búsqueda de valores nulos") print(df_sellers.isnull().sum()) #primero evalua si hay nulos y luego los suma print("\n Formato de los datos") print(df_sellers.dtypes) #si es un atributo no lleva () luego de la orden

# Exploración del df de órdenes print("Muestra de datos") print(df_orders.head()) print("\nFormato del dataframe") print(df_orders.shape) print("\n Búsqueda de valores nulos") print(df_orders.isnull().sum()) #primero evalua si hay nulos y luego los suma print("\n Formato de los datos") print(df_orders.dtypes) #si es un atributo no lleva () luego de la orden

df_articles ["unit_price"] = df_articles["unit_price"].astype(float) print(df_articles.dtypes)

#CREO UNA COPIA DEL df_orders por si se rompe my_df = df_orders.copy() #realizo mi pendiente en el comentario, cambio el índice del df_articles #saca la primera columna que enumeraba del 0 al 31 df_articles.set_index("article_id", inplace= True) #inplace me aplica el cambio directo en el df, es otra forma de nombrar los índices análoga al index_col del df_sellers print(df_articles) #print(df_articles.loc[20017]["article_name"]) #ver en video 11.11hs

print(my_df.head())

#agrego las columnas que me faltan my_df = my_df.assign(article_name = my_df["article_id"]) #assign crea una columna con el nombre (article_name) y le pone el contenido que le asigno my_df = my_df.assign(total_amount = my_df["article_id"]) my_df = my_df.assign(seller_name = my_df["seller_id"])

#ESTE BLOQUE NO SE PUEDE CORRER MÁS DE UNA VEZ PORQUE NO VA A PODER OPERAR SOBRE LOS CAMBIOS REALIZADOS. #reemplazar los datos en las nuevas columnas #print(len(my_df.index)) for i in range(len(my_df.index)): #columna article_name #cargo el nombre del artículo en una variable article = df_articles.loc[my_df.loc[i]['article_name']]['article_name'] #se lo asigno a la columna y registro que corresponde my_df.loc[i, "article_name"] = article #columna total_amount my_df.loc[i, "total_amount"] = my_df.loc[i, "quantity"] * df_articles.loc[my_df.loc[i]['total_amount']]['unit_price'] #columna de seller_name my_df.loc[i,'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_name']]['seller_name'] print(my_df.head())

#elimino las columnas que no necesito my_df.drop(['order_id','article_id','seller_id'], axis='columns', inplace=True) #inplace= True es para que me lo haga en este df y no modifique el df original print(my_df)

# RESOLUCIÓN ANALÍTICA #creo un nuevo df para agrupar por articles my_df2 = my_df.groupby("article_name").sum() #el criterio de agrupamiento se convierte en el índice por_cant = my_df2.sort_values("quantity", ascending = False) print(por_cant["quantity"].head(1))

# RESOLUCIÓN GRÁFICA plt.figure(figsize=(8,5)) font = {'family': 'serif', 'color': 'darkred', 'weight': 'normal', 'size': 16, } sns.displot(my_df, x = "article_name", color="darkcyan") #gráfica de distribución plt.ylabel("Cantidad de artículos vendidos") plt.xlabel("Artículo") plt.xticks(rotation = 90) plt.title("Venta de artículos por unidades", fontdict= font, loc= "left") plt.show()

# RESOLUCIÓN ANALÍTICA my_df3= (my_df.groupby("article_name").sum().sort_values("total_amount", ascending= False)).head(10) print(my_df3) print (my_df3["total_amount"].head(1))

# RESOLUCIÓN GRÁFICA fig = plt.figure(figsize=(8, 5) ) font2 = {'family': 'serif', 'color': 'olive', 'weight': 'normal', 'size': 16, } #sns.scatterplot(data=my_df3, x="quantity", y= my_df3.index, color="darkred", size= round(my_df3["total_amount"], 2), legend="full", alpha = 0.7, sizes=(20, 1500)) plt.barh(my_df3.index, my_df3["total_amount"], color="darkcyan") plt.title("Artículo que más ingresos proporcionó\n", loc="left", fontdict= font) plt.xlabel("Monto total de ingresos (en u$d)") plt.ylabel("Productos") #plt.yticks(rotation=60) plt.show()

# RESOLUCIÓN ANALÍTICA df4 = (my_df.groupby("seller_name").sum()).sort_values("total_amount", ascending=False) print(df4[["quantity"]+["total_amount"]])

# RESOLUCIÓN GRÁFICA plt.bar(df4.index, df4["total_amount"], color="darkcyan") plt.xticks(rotation=90) plt.xlabel("Vendedor/a") plt.ylabel("Monto total") plt.title("Ventas por vendedor(en u$d)", fontdict=font, loc="left") plt.show()

# RESOLUCIÓN ANALÍTICA df5 =(my_df.groupby("week").sum()).sort_values("total_amount", ascending=False) print(df5)

# RESOLUCIÓN GRÁFICA fig = plt.figure() c=["black", "dimgrey", "darkgrey", "lightgrey"] plt.bar(df5.index, df5["total_amount"], color= c, tick_label=[1,2,3,4] ) plt.xlabel("Semana") plt.ylabel("Monto total vendido (en u$d)") plt.title("Monto total vendido por semana\n", fontdict=font, loc="left") plt.show()

# RESOLUCIÓN df_pais_fact = ((my_df.groupby("country_name")).sum().sort_values("total_amount", ascending=False)).head(5) df_pais_art = ((my_df.groupby("country_name")).sum().sort_values("quantity", ascending=False)).head(5) print(df_pais_fact["total_amount"], df_pais_art["quantity"])

#RESOLUCIÓN GRÁFICA font3 = {'family': 'serif', 'color': 'darkred', 'weight': 'normal', 'size': 15, } c = ["gold", "olivedrab", "lightcoral", "teal", "purple"] plt.figure(figsize=(20, 15)) #TRABAJO CON LA GRÁFICA DE FACTURACIÓN plt.subplot(2, 2, 1) plt.bar(df_pais_fact.index, df_pais_fact["total_amount"], color=c) plt.ylabel('monto total en US$', fontdict=font3) plt.yticks(rotation=45) plt.title("Ventas: top 5 países", loc="left", fontdict=font3) plt.subplot(2, 2, 2) plt.pie(x= df_pais_fact["quantity"], labels=df_pais_fact.index, autopct= "%1.2f%%", explode = (0.1, 0,0,0,0), colors=c) plt.title("Top five países, monto total.\n Distribución porcentual.", loc="right", fontdict=font3) #TRABAJO CON LA GRÁFICA DE CANTIDAD DE PRODUCTOS plt.subplot(2, 2, 3) plt.bar(df_pais_art.index, df_pais_art["quantity"], color= c) plt.ylabel('Artículos totales', fontdict=font3) plt.yticks(rotation=45) plt.title("Cantidad de productos: top 5 países", loc="left", fontdict=font3) plt.subplot(2, 2, 4) plt.pie(x= df_pais_art["quantity"], labels=df_pais_art.index, autopct= "%1.2f%%", explode = (0.1, 0,0,0,0), colors=c) plt.title("Top five países, cantidad de productos.\n Distribución porcentual.\n", loc="right", fontdict=font3)

# RESOLUCIÓN dff6 = my_df[((my_df['article_name'] == 'Notebook')| (my_df['article_name']=='Smartphone')) & ((my_df['country_name'] == 'Argentina') | (my_df['country_name']=='Brazil')| (my_df['country_name']=='Peru'))] df6 = dff6.drop(["week", "total_amount", "seller_name"], axis="columns") #borro del df las columnas que no voy a utilizar df6 = dff6.drop(["week", "total_amount", "seller_name"], axis="columns") sns.barplot(x= df6["country_name"], y = df6["quantity"], hue= "article_name", data=df6) plt.xlabel("") plt.ylabel("") plt.title("Tendencia de venta de unidades de\n Notebooks y Smartphones en\n Argentina, Brasil y Perú.", loc= "right", fontdict=font)

# RESOLUCIÓN ANALÍTICA my_df77= (my_df.groupby(["article_name"]).sum().sort_values("quantity", ascending= False).head(20)) my_df7=my_df77.drop("week", axis="columns") print (my_df7)

# RESOLUCIÓN GRÁFICA fig = plt.figure(figsize=(8, 8) ) font2 = {'family': 'serif', 'color': 'olive', 'weight': 'normal', 'size': 16, } #sns.scatterplot(x=my_df7["quantity"], y= my_df7.index, color="tab:purple", size= round(my_df3["total_amount"], 2), legend=True, alpha = 0.9, sizes=(2000, 35000)) sns.scatterplot(my_df7["quantity"], my_df7.index, color="tab:purple", size= round(my_df7["total_amount"], 2), alpha=0.8, sizes=(20, 3000)) plt.title("Artículos que más ingresos proporcionó\n", loc="left", fontdict= font2) plt.show()