# imports
import numpy as np
import pandas as pd
import sqlite3 as sql3
import matplotlib.pyplot as plt
import seaborn as sns
import openpyxl #para levantar excel
# 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(data=sql_query, columns=['article_id', 'article_name', 'unit_price'])
#df_articles
#Vendedores
df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0)
#df_sellers
#Ordenes
df_orders = pd.read_csv('/work/data/orders.csv')
#df_orders
#sql_query
# 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())
print('\nFormato de los datos del dataframe')
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 dataframe
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())
print('\nFormato de los datos del dataframe')
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 dataframe
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())
print('\nFormato de los datos del dataframe')
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 dataframe
order_id int64
week int64
article_id int64
quantity int64
seller_id int64
country_name object
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)
#df_articles
#Agrego 3 columnas y pongo el campo que me va a servir de "ancla"
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(my_df.head())
#Reemplazar los valores reales en el df
for i in range (len(my_df.index)): #len(my_df.index) devuelve 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 precio 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']
my_df.drop(['article_id','seller_id','order_id'], axis='columns', inplace = True)
print(my_df.head())
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
# RESOLUCIÓN ANALÍTICA
my_df1 = my_df.groupby('article_name').sum()
por_cantidad = my_df1.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_df1.index, y=my_df1['quantity'], data=my_df1, palette='Set2',order=my_df1.sort_values('quantity', ascending=False).index).set(title='Ventas por artículo')
plt.xlabel('Articulo')
plt.ylabel('Cantidad')
plt.xticks(rotation=90)
plt.savefig('imagen1.png')
plt.show()
# RESOLUCIÓN ANALÍTICA
my_df2 = my_df.groupby('article_name').sum()
por_ingresos = my_df2.sort_values('total_amount',ascending=False).head()
print(por_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
c = ['gold','yellowgreen','lightcoral','lightskyblue','tab:purple']
plt.pie(x=por_ingresos['total_amount'], labels=por_ingresos.index,colors=c)
plt.title('Artículos con mayores ingresos')
plt.savefig('imagen2.png')
plt.show()
#acá sólo se grafican los primeros 5 productos (no poner porcentaje)
# RESOLUCIÓN ANALÍTICA
my_df3 = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending=False)
#Que persona más ingresos genero
print(my_df3[['quantity']+['total_amount']].head(1))
quantity total_amount
seller_name
Janel O'Curran 703 192832.47
# RESOLUCIÓN GRÁFICA
plt.bar(my_df3.index, my_df3['total_amount'],color='lightseagreen')
plt.xlabel('')
plt.ylabel('Ventas')
plt.title('Mejores vendedores')
plt.xticks(rotation=90)
plt.savefig('imagen3.png')
plt.show()
# RESOLUCIÓN ANALÍTICA
my_df4 = my_df.groupby('week').sum()
print(my_df4)
quantity total_amount
week
1 2449 507458.81
2 2444 415364.44
3 2114 329140.03
4 1058 223844.56
print(my_df4.index.astype)
<bound method Index.astype of Int64Index([1, 2, 3, 4], dtype='int64', name='week')>
my_df4.index = my_df4.index.astype(str)
print(my_df4.index.astype)
<bound method Index.astype of Index(['1', '2', '3', '4'], dtype='object', name='week')>
# RESOLUCIÓN GRÁFICA
#Hacer un barplot
plt.plot(my_df4.index,my_df4['total_amount'], color='tab:olive', marker='8')
plt.xlabel('Semana del mes')
plt.ylabel('Total ventas')
plt.title('Variación de total de ventas en el mes')
plt.savefig('imagen4.png')
plt.show()
# RESOLUCIÓN
my_df5 = my_df.groupby('country_name').sum().sort_values('total_amount', ascending=False)
print(my_df5[['quantity']+['total_amount']].head(1))
quantity total_amount
country_name
Brazil 2515 441271.85
sns.barplot(data= my_df5, x=my_df5.index, y=my_df5['total_amount'])
plt.xticks(rotation=90)
plt.title('Ingresos por venta en países')
plt.xlabel('')
plt.ylabel('Total ingresos')
plt.savefig('imagen5.png')
plt.show()
# RESOLUCIÓN
my_df6 = my_df.loc[my_df['country_name']=='Argentina']
#print(my_df6)
my_df6a = my_df6.groupby('article_name').sum().sort_values('quantity', ascending=False).head()
print(my_df6a['quantity'].head(1))
article_name
CPU 104
Name: quantity, dtype: int64
sns.barplot(data=my_df6a, x=my_df6a.index, y=my_df6a['quantity'],palette='Set2')
plt.title('Artículos más vendidos en Argentina')
plt.xlabel('')
plt.ylabel('Cantidad de ventas')
plt.savefig('imagen6.png')
plt.show()
# RESOLUCIÓN
my_df7 = my_df6.loc[(my_df6['article_name']=='CPU')]
sns.boxplot(data=my_df7, x=my_df7['article_name'], y=my_df7['quantity'], hue=my_df7['week'], palette='Set2')
plt.title('Distribución de ventas por semana del artículo más vendido en Argentina')
plt.xlabel('')
plt.ylabel('Cantidad de ventas')
plt.savefig('imagen7.png')
plt.show()