TP Final Integrador - Paz

# A veces necesitamos instalar nuevas librerías en nuestros proyectos !pip install openpyxl==3.0.10

Requirement already satisfied: openpyxl==3.0.10 in /root/venv/lib/python3.9/site-packages (3.0.10)
Requirement already satisfied: et-xmlfile in /root/venv/lib/python3.9/site-packages (from openpyxl==3.0.10) (1.1.0)
WARNING: You are using pip version 22.0.4; however, version 22.1.2 is available.
You should consider upgrading via the '/root/venv/bin/python -m pip install --upgrade pip' command.

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

# Levanto los datos en 3 diferentes dataframes # 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']) print('Tabla df_articles') print(df_articles) #Vendedores df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0) print('\nTabla df_sellers') print(df_sellers) #Ordenes df_orders = pd.read_csv('/work/data/orders.csv') print('\nTabla df_orders') print(df_orders)

Tabla df_articles
    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
5        20020             Chair     335.64
6        20021             Modem      67.50
7        20022    Range Extender      20.45
8        20023          Notebook    1000.00
9        20024           Netbook     145.00
10       20025               HDD      54.62
11       20026               SDD      22.00
12       20027        Ram Memory      35.95
13       20028       Motherboard     138.38
14       20029             Mouse      30.30
15       20030        Fan Cooler       4.25
16       20031            Webcam      20.07
17       20032          Keyboard      22.60
18       20033        Headphones      23.30
19       20034           Scanner     185.00
20       20035              Case      37.90
21       20036        Video Card     131.50
22       20037               CPU     139.62
23       20038      Power Supply      43.95
24       20039     Water Cooling      67.50
25       20040          Heatsink      10.00
26       20041         Usb Cable       2.95
27       20042        Sata Cable       2.14
28       20043  Pci Express Port      10.12
29       20044        Wi-Fi Card      59.61
30       20045    Mesh Wi-Fi X 2      32.50

Tabla df_sellers
                 seller_name
seller_id                   
1           Aveline Swanwick
2                   Jase Doy
3          Oliviero Charkham
4           Cornie Wynrehame
5                Ewell Peres
6           Milly Christoffe
7                 Kati Innot
8              Tobin Roselli
9               Onida Cosely
10           Cirilo Grandham
11           Vasily Danilyuk
12          Brockie Patience
13           Arnold Kilkenny
14            Janel O'Curran
15           Daisie Slograve

Tabla df_orders
     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

[1000 rows x 6 columns]

# Exploración del df de artículos print('Muestra de datos') print(df_articles.head()) print('\nFormato del DataFrame') print(df_articles.shape) print('\nBusqueda de valores nulos 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)

Busqueda de valores nulos 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()) print('\nFormato del DataFrame') print(df_sellers.shape) print('\nBusqueda de valores nulos 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)

Busqueda de valores nulos 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()) print('\nFormato del DataFrame') print(df_orders.shape) print('\nBusqueda de valores nulos 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)

Busqueda de valores nulos 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

# 1 - copio los datos de ordenes my_df = df_orders.copy() # 2 - cambio el indice del df de articulos df_articles.set_index('article_id',inplace = True) df_articles # 3 - voy preparando columnas que voy a necesitar, le asigno valores provisorios 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']) # 4 - cambio en esas columnas por los valores correctos for i in range(len(my_df.index)): my_df.loc[i]['article_id'] article = df_articles.loc[my_df.loc[i]['article_id']]['article_name'] my_df.loc[i,'article_name'] = article my_df.loc[i,'total_amount'] = my_df.loc[i,'quantity'] * df_articles.loc[my_df.loc[i]['article_id']]['unit_price'] my_df.loc[i,'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_id']]['seller_name'] 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 my_df2 = my_df.groupby('article_name').sum() por_cant = my_df2.sort_values('quantity', ascending = False) print(por_cant['quantity'].head(1)) por_monto = my_df2.sort_values('total_amount', ascending = False) print(por_monto['total_amount'].head(1))

article_name
HDD    413
Name: quantity, dtype: int64
article_name
Full Pc    538335.93
Name: total_amount, dtype: float64

# RESOLUCIÓN GRÁFICA sns.barplot(y=por_cant['quantity'],x=por_cant.index) plt.xticks(rotation=90) plt.title("Artículos más vendidos") plt.xlabel('Articulos') plt.ylabel('Cantidad') for index, value in enumerate(por_cant['quantity']): if(index<2 or index==por_cant['quantity'].size-1): plt.text(index, value, str(value)) plt.show()

El artículo que más unidades vendió fue el HDD (413 unidades)

# RESOLUCIÓN ANALÍTICA df2 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount', ascending=False) print(df2['total_amount'])

article_name
Full Pc             538335.93
Notebook            251000.00
Smartphone          152250.00
Chair                69477.48
Tablet               48620.00
Monitor              47840.00
Netbook              46400.00
Scanner              40885.00
Motherboard          40268.58
CPU                  37138.92
Desk                 29012.30
Video Card           27483.50
HDD                  22558.06
Water Cooling        17010.00
Modem                16470.00
Power Supply         11822.55
Ram Memory           10533.35
Mouse                 9756.60
Wi-Fi Card            8405.01
SDD                   8184.00
Case                  7807.40
Mesh Wi-Fi X 2        6922.50
Range Extender        5746.45
Headphones            5568.70
Webcam                4596.03
Keyboard              3729.00
Pci Express Port      2944.92
Heatsink              2800.00
Fan Cooler             871.25
Usb Cable              805.35
Sata Cable             564.96
Name: total_amount, dtype: float64

# RESOLUCIÓN GRÁFICA # plt.pie(x=df2['total_amount'], labels=df2.index, autopct="%0.1f%%") # plt.title("Artículos de mayores ingresos") # plt.show() # plt.barh(df2.index,df2['total_amount'],height=1.0) # plt.show() sns.barplot(y=por_monto['total_amount'],x=por_monto.index) plt.title("Artículos con mayores ingresos") plt.xlabel('Articulos') plt.ylabel('Monto en $') for index, value in enumerate(por_monto['total_amount']): if(index<2 or index==por_monto['total_amount'].size-1): plt.text(index, value, str("%.0f" % value)) plt.xticks(rotation=90) plt.show()

El artículo que trajo más ingresos fue la Full Pc ($ 538335)

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

                   quantity  total_amount
seller_name                              
Janel O'Curran          703     192832.47
Brockie Patience        441     142709.88
Oliviero Charkham       555     141329.76
Vasily Danilyuk         521     129157.55
Daisie Slograve         554     120520.11
Aveline Swanwick        629     118874.33
Arnold Kilkenny         583      94552.04
Kati Innot              512      83704.62
Jase Doy                582      80628.31
Ewell Peres             496      78144.32
Onida Cosely            535      77373.37
Milly Christoffe        442      61733.69
Tobin Roselli           519      56984.42
Cornie Wynrehame        523      52253.57
Cirilo Grandham         470      45009.40

# RESOLUCIÓN GRÁFICA #plt.bar(df4.index,df4['total_amount']) #plt.xticks(rotation=90) #plt.show() sns.barplot(y=df4['total_amount'],x=df4.index) plt.title("Mejores vendedores") plt.xlabel('Vendedores') plt.ylabel('Monto en $') for index, value in enumerate(df4['total_amount']): if(index<2 or index==df4['total_amount'].size-1): plt.text(index, value, str("%.0f" % value)) plt.xticks(rotation=90) plt.show()

El vendedor que trajo más ingresos a la empresa fue Janel O'Curran ($ 192832)

# RESOLUCIÓN ANALÍTICA #df5=(my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False) df5=(my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False) df5['PorcentajeDeCrecimiento']=1 cant=len(df5.index) for i in range(1,cant+1): df5.loc[i,'PorcentajeDeCrecimiento'] = df5.loc[i,'total_amount']/df5.loc[1,'total_amount'] print(df5)

      quantity  total_amount  PorcentajeDeCrecimiento
week                                                 
1         2449     507458.81                 1.000000
2         2444     415364.44                 0.818519
3         2114     329140.03                 0.648604
4         1058     223844.56                 0.441109

# RESOLUCIÓN GRÁFICA #plt.bar(df5.index,df5['total_amount']) sns.barplot(y=df5['total_amount'],x=df5.index) plt.title("Ventas por Semana") plt.xlabel('Semana') plt.ylabel('Monto en $') for index, value in enumerate(df5['total_amount']): plt.text(index, value, str("%.0f" % value),ha='center',bbox=dict(fc='w',boxstyle='square,pad=0.5')) plt.show()

Se puede notar que hay un pronunciado y sistematico descenso del monto vendido semana tras semana, llegando la ultima semana a vender menos de la mitad que la primer semana. Posiblemente un buen momento para lanzar una campaña de promociones seria en los ultimos 10/15 dias. Antes de tomar ninguna medida igualmente habria que hacer un estudio más profundo de los motivos de la baja en las ventas y un estudio de mercado para ver que tanto mejorarian las ventas con una promocion.

# RESOLUCIÓN df6=(my_df.groupby(by='country_name').sum()).sort_values('total_amount',ascending=False) print(df6['total_amount']) sns.barplot(y=df6['total_amount'],x=df6.index) plt.title("Ventas por Pais") plt.xlabel('Pais') plt.ylabel('Monto en $') for index, value in enumerate(df6['total_amount']): if(index<2 or index==df6['total_amount'].size-1): plt.text(index, value, str("%.0f" % value)) plt.xticks(rotation=90) plt.show()

country_name
Brazil         441271.85
Argentina      205832.78
Colombia       177514.29
Peru           161421.12
Mexico         138619.99
Venezuela       77684.52
El Salvador     57391.26
Guatemala       52579.25
Honduras        36763.56
Costa Rica      34606.50
Chile           24660.98
Bolivia         22682.80
Uruguay         17843.09
Ecuador         17475.30
Paraguay         8195.12
Puerto Rico      1265.43
Name: total_amount, dtype: float64

El país con mayores montos en las ventas y por amplio margen es Brasil, seguido por un segundo grupo compuesto por Argentina, Colombia, Peru y Mexico.

# RESOLUCIÓN my_df7 = my_df.groupby('article_name').sum() print(my_df7) plt.scatter(my_df7['quantity'],my_df7['total_amount'],20) plt.title("Relacion Monto/Cantidad") plt.xlabel('Cantidad') plt.ylabel('Monto en $') plt.show()

                  week  quantity  total_amount
article_name                                  
CPU                 66       266      37138.92
Case                54       206       7807.40
Chair               56       207      69477.48
Desk                60       223      29012.30
Fan Cooler          64       205        871.25
Full Pc             70       253     538335.93
HDD                113       413      22558.06
Headphones          77       239       5568.70
Heatsink            79       280       2800.00
Keyboard            44       165       3729.00
Mesh Wi-Fi X 2      64       213       6922.50
Modem               64       244      16470.00
Monitor             53       208      47840.00
Motherboard         79       291      40268.58
Mouse               71       322       9756.60
Netbook             95       320      46400.00
Notebook            69       251     251000.00
Pci Express Port    89       291       2944.92
Power Supply        81       269      11822.55
Ram Memory          66       293      10533.35
Range Extender      78       281       5746.45
SDD                 86       372       8184.00
Sata Cable          82       264        564.96
Scanner             54       221      40885.00
Smartphone          74       290     152250.00
Tablet              90       374      48620.00
Usb Cable           93       273        805.35
Video Card          65       209      27483.50
Water Cooling       73       252      17010.00
Webcam              68       229       4596.03
Wi-Fi Card          47       141       8405.01

Se puede apreciar que hay dos elementos que tienen una relacion mayor de monto / cantidad que el resto. Estos articulos permiten obtener muchos ingresos con pocas ventas. El de mayor relacion es Full PC y el segundo es Notebook

# RESOLUCIÓN df8=my_df.sort_values(['total_amount','country_name'],ascending = [False, True]) print(df8) plt.scatter(df8['article_name'],df8['country_name'],df8['total_amount']/500) plt.title("Monto vendido por Pais y Articulo") plt.xlabel('Articulo') plt.ylabel('Pais') plt.xticks(rotation=90) plt.show()

     week  quantity country_name article_name  total_amount       seller_name
299     2        15    Argentina      Full Pc      31917.15  Brockie Patience
610     3        15  El Salvador      Full Pc      31917.15    Janel O'Curran
759     3        13     Colombia      Full Pc      27661.53  Brockie Patience
988     4        13     Colombia      Full Pc      27661.53    Janel O'Curran
960     4        13    Guatemala      Full Pc      27661.53   Vasily Danilyuk
..    ...       ...          ...          ...           ...               ...
331     2         1    Venezuela    Usb Cable          2.95   Arnold Kilkenny
10      1         1       Brazil   Sata Cable          2.14   Cirilo Grandham
371     2         1       Brazil   Sata Cable          2.14    Janel O'Curran
753     3         1       Brazil   Sata Cable          2.14   Daisie Slograve
505     2         1         Peru   Sata Cable          2.14          Jase Doy

[1000 rows x 6 columns]

Podemos notar que los mayores ingresos están bastante focalizados en los articulos Full PC, Notebook, Smartphone y en Argentina, El Salvador, Colombia, Guatemala, Mexico, Peru, Venezuela y Brazil.

El artículo que más unidades vendió fue el HDD (413 unidades). También se venden muchas Tablets, SDD, Mouse y Netbooks.

El artículo que trajo más ingresos y por un amplio margen fue la Full Pc ($ 538335), seguida de las Notebooks. En realidad es bastante notorio que un gran porcentaje de los ingresos se deben a estos dos articulos. Se sugiere hacer un analisis mas profundo de estos dos articulos segun pais, vendedor y semanas para ver si se puede aumentar aun mas las ventas de estos productos.

El vendedor que trajo más ingresos a la empresa fue Janel O'Curran ($ 192832) por lo cual se recomienda entregarle el bono al mejor vendedor del mes y ademas se sugiere una recompensa para los siguientes 2 o 5 vendedores como incentivo para que todos los vendedores quieran vender mas.

El país con mayores montos en las ventas y por amplio margen es Brasil, seguido por un segundo grupo compuesto por Argentina, Colombia, Peru y Mexico. Se sugiere un estudio mas profundo comparando los primeros 7/10 paises vs Brasil y ver en que areas se puede mejorar en dichos paises.

Hay dos articulos Full PC y Notebook que tienen una relacion de monto / cantidad muy alta. Estos articulos permiten obtener muchos ingresos con pocas ventas, se sugiere pensar en politicas que incentive la venta de estos dos productos.

Podemos notar que los mayores ingresos están bastante localizados en los articulos Full PC, Notebook, Smartphone y en Argentina, El Salvador, Colombia, Guatemala, Mexico, Peru, Venezuela y Brazil. Por un lado convendria ver de lograr ventas de estos articulos que tantos ingresos dan en algunos paises en los paises que aun no se tiene ventas de esos productos o incrementarlas. Tambien se podría analizar en los paises en que se tienen buenas ventas por que hay productos que no se venden.