# 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'])
# Vendedores
df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0)
# Ordenes
df_orders = pd.read_csv('/work/data/orders.csv')
# Exploración del df de artículos
print('Muestra de datos')
print(df_articles.head()) # head() 5 Filas por defecto
print('\nFormato del dataframe')
print(df_articles.shape)
print('\nBusqueda de valores nuls 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 nuls 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()) # head() 5 Filas por defecto
print('\nFormato del dataframe')
print(df_sellers.shape)
print('\nBusqueda de valores nuls 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 nuls 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()) # head() 5 Filas por defecto
print('\nFormato del dataframe')
print(df_orders.shape)
print('\nBusqueda de valores nuls 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 nuls 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
my_df = df_orders.copy() # shallow copy o copia superficial (otro Objeto alojado en la memoria)
# Cambio el indice del df de artículos
df_articles.set_index('article_id', inplace=True)
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'])
# df_articles
# print()
my_df
for i in range(max(my_df.count())):
# SINTAXIS: df_articles.loc[indice][columna]
# [indice] va a ser el dato que obtengo de my_df.loc[i]['article_id']
# [indice] -> [my_df.loc[i]['article_id']]
# o sea, tomo registro a registro el article_id y lo uso para extraer el nombre del artículo (article_name)
# print(df_articles.loc[my_df.loc[i]['article_id']]['article_name'])
article = df_articles.loc[my_df.loc[i]['article_id']]['article_name']
# print(article)
# Asignar a cada valor id de la columna 'article_name' (my_df) el nombre del artículo
my_df.loc[i, 'article_name'] = article
# hacemos lo mismo con total amount
my_df.loc[i, 'total_amount'] = my_df.loc[i, 'quantity']*df_articles.loc[my_df.loc[i]['article_id']]['unit_price']
# columna de seller_name
my_df.loc[i, 'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_id']]['seller_name']
# elimino las columnas que no necesito del df
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
print("Artículos y cantidades de ventas")
print(my_df['article_name'].value_counts()) # cuenta valores únicos
print("El artículo más vendido es HDD.")
Artículos y cantidades de ventas
HDD 47
SDD 45
Netbook 45
Tablet 40
Usb Cable 39
Sata Cable 38
Pci Express Port 37
Range Extender 36
Smartphone 35
Mouse 34
Headphones 34
Full Pc 34
Heatsink 34
Power Supply 34
Motherboard 33
Water Cooling 32
Ram Memory 31
Video Card 31
Notebook 30
CPU 29
Modem 29
Desk 28
Webcam 28
Mesh Wi-Fi X 2 28
Case 26
Monitor 26
Fan Cooler 25
Scanner 24
Chair 24
Keyboard 22
Wi-Fi Card 22
Name: article_name, dtype: int64
El artículo más vendido es HDD.
# RESOLUCIÓN GRÁFICA
font1 = {'family':'sans','color':'black','size':15}
font2 = {'family':'sans','color':'darkred','size':10}
font3 = {'family':'sans','color':'black','size':8}
sns.displot(my_df, x='article_name')
plt.title("Articulo con más ventas", fontdict = font1)
plt.xlabel("Artículos", fontdict = font2)
plt.ylabel("Cantidad de ventas", fontdict = font2)
plt.xticks(rotation=90) # 'vertical'
plt.savefig('ArtMasVendido.jpg')
plt.show()
print("El artículo más vendido es HDD.")
El artículo más vendido es HDD.
#Artículos con más unidades vendidas
df1_2 = (my_df.groupby(by='article_name').sum()).sort_values('quantity', ascending=False).head(5)
pd.options.display.float_format='$ {:,.2f}'.format
print("Cant art vendidos")
print(df1_2[['quantity'] + ['total_amount']])
print("El artículo más vendido en unidades es HDD.")
Cant art vendidos
quantity total_amount
article_name
HDD 413 $ 22,558.06
Tablet 374 $ 48,620.00
SDD 372 $ 8,184.00
Mouse 322 $ 9,756.60
Netbook 320 $ 46,400.00
El artículo más vendido en unidades es HDD.
# RESOLUCIÓN GRÁFICA
colors = sns.color_palette('Set2_r')
plt.title("Artículos con más unidades vendidas", fontdict = font1)
plt.pie(x=df1_2['quantity'],labels=df1_2.index, colors = colors, autopct="%1.1f%%" )
plt.savefig('ArtMasUnidades.jpg')
plt.show()
# index es el 'article_name' del df2
print("El artículo más vendido en unidades es HDD.")
El artículo más vendido en unidades es HDD.
# RESOLUCIÓN ANALÍTICA
df2 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount', ascending=False).head(5)
pd.options.display.float_format='$ {:,.2f}'.format
print("Artículos con más ingresos vendidos")
print(df2['total_amount'])
print("El artículo que más ingresos generó es Full Pc.")
Artículos con más ingresos vendidos
article_name
Full Pc $ 538,335.93
Notebook $ 251,000.00
Smartphone $ 152,250.00
Chair $ 69,477.48
Tablet $ 48,620.00
Name: total_amount, dtype: float64
El artículo que más ingresos generó es Full Pc.
# RESOLUCIÓN GRÁFICA
colors = sns.color_palette('Set2_r')
plt.title("Artículos con más ingresos", fontdict = font1)
plt.pie(x=df2['total_amount'],labels=df2.index, colors = colors, autopct="%1.1f%%" )
plt.savefig('ArtMasIngresos.jpg')
plt.show()
# index es el 'article_name' del df2
print("El artículo que más ingresos generó es Full Pc.")
El artículo que más ingresos generó es Full Pc.
# RESOLUCIÓN ANALÍTICA
df4 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False)
pd.options.display.float_format='$ {:,.2f}'.format
print("Cinco vendedores con más importes vendidos")
print(df4[['quantity'] + ['total_amount']].head(5))
print("El bono corresponde a Janel o'Curran")
Cinco vendedores con más importes vendidos
quantity total_amount
seller_name
Janel O'Curran 703 $ 192,832.47
Brockie Patience 441 $ 142,709.88
Oliviero Charkham 555 $ 141,329.76
Vasily Danilyuk 521 $ 129,157.55
Daisie Slograve 554 $ 120,520.11
El bono corresponde a Janel o'Curran
# RESOLUCIÓN GRÁFICA
colors = sns.color_palette('Set2_r')
plt.title("Ingresos por Vendedor", fontdict = font1)
plt.xlabel('Vendedor', fontdict = font2)
plt.ylabel('Importe', fontdict = font2)
plt.bar(df4.index, df4['total_amount'],color= colors)
plt.xticks(rotation=90)
plt.savefig('MejorVendedor.jpg')
plt.show()
print("El bono corresponde a Janel o'Curran")
El bono corresponde a Janel o'Curran
# RESOLUCIÓN ANALÍTICA
df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount', ascending=False)
pd.options.display.float_format='$ {:,.2f}'.format
print("Ventas por semana")
print(df5)
print("En las semanas 3 y 4 bajan las ventas, sería óptimo lanzar promociones")
Ventas por semana
quantity total_amount
week
1 2449 $ 507,458.81
2 2444 $ 415,364.44
3 2114 $ 329,140.03
4 1058 $ 223,844.56
En las semanas 3 y 4 bajan las ventas, sería óptimo lanzar promociones
# RESOLUCIÓN GRÁFICA
colors = sns.color_palette('Set2_r')
plt.xlabel('Semana', fontdict = font2)
plt.ylabel('Importe', fontdict = font2)
plt.bar(df5.index, df5['total_amount'],color= colors)
plt.title("Ventas por semana", fontdict = font1)
plt.savefig('VentasPorSemana.jpg')
plt.show()
# RESOLUCIÓN
# Cuáles son los dos países con más ventas?
# Ventas filtrado por país. Comparar 2 países
# Cuál es el producto que más se vende, en qué cantidad
# Resolución Analítica y Gráfica
#RESOLUCIÓN ANALÍTICA
df6 = (my_df.groupby(by='country_name').sum()).sort_values('total_amount' , ascending=False)
pd.options.display.float_format='$ {:,.2f}'.format
print("Países con más importes de ventas")
print(df6[['quantity'] + ['total_amount']].head(2))
print("Los dos países con más ventas son Brazil y Argentina")
Países con más importes de ventas
quantity total_amount
country_name
Brazil 2515 $ 441,271.85
Argentina 947 $ 205,832.78
Los dos países con más ventas son Brazil y Argentina
#RESOLUCIÓN GRÁFICA
colors = sns.color_palette('Set2_r')
plt.bar(df6.index, df6['total_amount'],width=0.5,color= colors)
plt.xticks(rotation=90)
plt.xlabel('Paises', fontdict = font2)
plt.ylabel('Importe', fontdict = font2)
plt.title("Países con más importes de ventas", fontdict = font1)
plt.savefig('PaisesconMasImportesdeVentas.jpg')
plt.show()
print("Los dos países con más ventas son Brazil y Argentina")
Los dos países con más ventas son Brazil y Argentina
# RESOLUCIÓN
# Ventas filtrado por país. Comparar 2 países
# Cuál es el producto que más se vende, en qué cantidad
#dos paises ordenados por producto
#Brasil
df7_1 = my_df.loc[(my_df['country_name'] == 'Brazil') ]
df7_2 = (df7_1.groupby(by='article_name').sum()).sort_values('quantity', ascending=False)
pd.options.display.float_format='$ {:,.2f}'.format
print("Cantidades e Importes vendidos por artículo en Brazil Ordenado por Cantidades")
print(df7_2[['quantity'] + ['total_amount']].head(5))
#Argentina
df7_3 = my_df.loc[(my_df['country_name'] == 'Argentina')]
df7_4 = (df7_3.groupby(by='article_name').sum()).sort_values('quantity', ascending=False)
pd.options.display.float_format='$ {:,.2f}'.format
print("Cantidades e Importes vendidos por artículo en Argentina Ordenado por cantidades")
print(df7_4[['quantity'] + ['total_amount']].head(5))
print("En Brazil el producto que más se vende en cantidad son Tablet y HDD y en Argentina son CPU y SDD.")
Cantidades e Importes vendidos por artículo en Brazil Ordenado por Cantidades
quantity total_amount
article_name
Tablet 156 $ 20,280.00
HDD 119 $ 6,499.78
SDD 117 $ 2,574.00
Chair 112 $ 37,591.68
Pci Express Port 105 $ 1,062.60
Cantidades e Importes vendidos por artículo en Argentina Ordenado por cantidades
quantity total_amount
article_name
CPU 104 $ 14,520.48
SDD 73 $ 1,606.00
HDD 68 $ 3,714.16
Range Extender 58 $ 1,186.10
Fan Cooler 47 $ 199.75
En Brazil el producto que más se vende en cantidad son Tablet y HDD y en Argentina son CPU y SDD.
#RESOLUCIÓN GRÁFICA
colorsb = sns.color_palette('Blues')
colorsg = sns.color_palette('BuGn')
plt.bar(df7_2.index, df7_2['total_amount'],width=0.5,color=colorsb),
plt.xticks(rotation=90)
plt.bar(df7_4.index, df7_4['total_amount'],width=0.5,color=colorsg),
plt.xticks(rotation=90)
plt.xlabel('Productos', fontdict = font2)
plt.ylabel('Importe', fontdict = font2)
plt.title("Productos más vendidos Brazil (azul) y Argentina (verde) ", fontdict = font1)
plt.savefig('ProductosMasVendidosBrazilyArgentina.jpg')
plt.show()
print("En Brazil el producto que más se vende en cantidad son Tablet y HDD y en Argentina son CPU y SDD.")
En Brazil el producto que más se vende en cantidad son Tablet y HDD y en Argentina son CPU y SDD.
#Mismos resultados con dos graficos en un lienzo
colors = sns.color_palette('Set2_r')
plt.subplot(3,1, 1)
plt.title("Ventas por Producto en Brazil Ordenados por cantidad", fontdict = font3)
plt.savefig('VentasPorProductoEnBrazil.jpg')
plt.xlabel('Productos', fontdict = font3)
plt.ylabel('Importe', fontdict = font3)
plt.bar(df7_2.index, df7_2['total_amount'],width= 1,color=colors)
plt.xticks(rotation=90)
plt.subplot(3,1,3)
plt.title("Ventas por Producto en Argentina Ordenados por cantidad", fontdict = font3)
plt.savefig('VentasPorProductoEnArgentina.jpg')
plt.xlabel('Productos', fontdict = font3)
plt.ylabel('Importe', fontdict = font3)
plt.bar(df7_4.index, df7_4['total_amount'],width= 1,color=colors)
plt.xticks(rotation=90)
plt.show()
# RESOLUCIÓN
# Evolución de Ventas por producto.
# Tomar 2 países y 'week' como variable categórica
# Resolución Analítica y Gráfica
#dos paises ordenados por producto
df8 = my_df.loc[(my_df['country_name'] == 'Brazil') | (my_df['country_name'] == 'Argentina')]
df8_1 = (df8.groupby(by='week').sum()).sort_values('quantity', ascending=False)
pd.options.display.float_format='$ {:,.2f}'.format
print("Cantidades e Importes vendidos por semana en Brazil y Argentina")
print(df8_1)
Cantidades e Importes vendidos por semana en Brazil y Argentina
quantity total_amount
week
2 1077 $ 203,592.98
1 1040 $ 229,050.38
3 806 $ 105,943.47
4 539 $ 108,517.80
# Evolución de Ventas por producto.
# Resolución grafica
colors = sns.color_palette('Set2_r')
plt.bar(df8_1.index, df8_1['quantity'],width=0.5,color=colors)
plt.xticks(rotation=90)
plt.title("Cantidades e Importes vendidos por semana en Brazil y Argentina", fontdict = font1)
plt.xlabel('Semanas', fontdict = font2)
plt.ylabel('Cantidades', fontdict = font2)
plt.savefig('CantidadesImpxSemanaBrazilyArgentina.jpg')
plt.show()
# dos paises por separado
#Brasil
#df7_1 = my_df.loc[(my_df['country_name'] == 'Brazil') ]
df8_2 = (df7_1.groupby(by='week').sum()).sort_values('quantity', ascending=False)
pd.options.display.float_format='$ {:,.2f}'.format
print("Cantidades e Importes vendidos por semana en Brazil ordenados por cantidad")
print(df8_2[['quantity'] + ['total_amount']].head(5))
#Argentina
#df7_3 = my_df.loc[(my_df['country_name'] == 'Argentina')]
df8_3 = (df7_3.groupby(by='week').sum()).sort_values('quantity', ascending=False)
pd.options.display.float_format='$ {:,.2f}'.format
print("Cantidades e Importes vendidos por semana en Argentina ordenados por cantidad")
print(df8_3[['quantity'] + ['total_amount']].head(5))
print("En Brazil, las cantidades vendidas bajan de la semana 1 a la 4")
print("En Argentina, en la semana 2 aumenta la venta y siguen bajando en la 3 y 4")
Cantidades e Importes vendidos por semana en Brazil ordenados por cantidad
quantity total_amount
week
1 765 $ 165,289.90
2 664 $ 106,803.85
3 646 $ 79,341.50
4 440 $ 89,836.60
Cantidades e Importes vendidos por semana en Argentina ordenados por cantidad
quantity total_amount
week
2 413 $ 96,789.13
1 275 $ 63,760.48
3 160 $ 26,601.97
4 99 $ 18,681.20
En Brazil, las cantidades vendidas bajan de la semana 1 a la 4
En Argentina, en la semana 2 aumenta la venta y siguen bajando en la 3 y 4
#Resolución grafica dos paises separados
colors = sns.color_palette('Set2_r')
plt.bar(df8_2.index, df8_2['total_amount'],width=0.5,color=colors),
plt.xticks(rotation=90)
plt.title("Importes vendidos por semana en Brazil", fontdict = font1)
plt.xlabel('Semanas', fontdict = font2)
plt.ylabel('Importes', fontdict = font2)
plt.savefig('ImportesxSemanaBrazil.jpg')
plt.show()
plt.bar(df8_3.index, df8_3['total_amount'],width=0.5,color=colors),
plt.xticks(rotation=90)
plt.title("Importes vendidos por semana en Argentina", fontdict = font1)
plt.xlabel('Semanas', fontdict = font2)
plt.ylabel('Importes', fontdict = font2)
plt.savefig('ImportesxSemanaArgentina.jpg')
plt.show()
print("En Brazil y Argentina las ventas son mayores en las dos primeras semanas.")
En Brazil y Argentina las ventas son mayores en las dos primeras semanas.
#Mismos resultados que anterior pero con barras horizontales
#Brazil
df8_4 = df7_1.groupby('week')[['quantity','total_amount',]].sum().sort_values('quantity', ascending=False)
print("Cantidades e Importes vendidos por semana en Brazil")
print(df8_4.head(5))
#Argentina
df8_5 = df7_3.groupby('week')[['quantity','total_amount']].sum().sort_values('quantity', ascending=False)
print("Cantidades e Importes vendidos por semana en Argentina")
print(df8_5.head(5))
Cantidades e Importes vendidos por semana en Brazil
quantity total_amount
week
1 765 $ 165,289.90
2 664 $ 106,803.85
3 646 $ 79,341.50
4 440 $ 89,836.60
Cantidades e Importes vendidos por semana en Argentina
quantity total_amount
week
2 413 $ 96,789.13
1 275 $ 63,760.48
3 160 $ 26,601.97
4 99 $ 18,681.20
#Brazil
print("Cantidades e Importes vendidos por semana en Brazil")
df8_4.plot(kind='barh', stacked=True, color = colorsb)
plt.show()
#Argentina
print("Cantidades e Importes vendidos por semana en Argentina")
df8_5.plot(kind='barh', stacked=True, color = colorsg)
plt.show()
Cantidades e Importes vendidos por semana en Brazil
Cantidades e Importes vendidos por semana en Argentina
# RESOLUCIÓN
# Mejor vendedor/producto. Mostrar importe/cantidad. Comparar 2 países (variable categórica)
# Resolución Analítica y Gráfica
# dos paises por separado
#Brasil
#df7_1 = my_df.loc[(my_df['country_name'] == 'Brazil') ]
df9_1 = (df7_1.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False)
pd.options.display.float_format='$ {:,.2f}'.format
print("Cantidades e Importes vendidos por vendedor en Brazil")
print(df9_1[['quantity'] + ['total_amount']].head(5))
#Argentina
#df7_3 = my_df.loc[(my_df['country_name'] == 'Argentina')]
df9_2 = (df7_3.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False)
pd.options.display.float_format='$ {:,.2f}'.format
print("Cantidades e Importes vendidos por vendedor en Argentina Ordenadas por importe")
print(df9_2[['quantity'] + ['total_amount']].head(5))
print("Mejor vendedor por importes vendidos en Brazil:Saisie Slograve")
print("Mejor vendedor por importes vendidos en Argentina: Janel O'Curran")
Cantidades e Importes vendidos por vendedor en Brazil
quantity total_amount
seller_name
Daisie Slograve 226 $ 65,283.28
Aveline Swanwick 227 $ 58,771.48
Arnold Kilkenny 184 $ 47,243.54
Kati Innot 151 $ 32,087.32
Tobin Roselli 211 $ 31,997.93
Cantidades e Importes vendidos por vendedor en Argentina Ordenadas por importe
quantity total_amount
seller_name
Janel O'Curran 91 $ 34,971.47
Brockie Patience 44 $ 32,553.20
Oliviero Charkham 77 $ 28,985.95
Vasily Danilyuk 57 $ 27,503.50
Onida Cosely 71 $ 17,216.35
Mejor vendedor por importes vendidos en Brazil:Saisie Slograve
Mejor vendedor por importes vendidos en Argentina: Janel O'Curran
# Mejor vendedor/producto. Mostrar importe/cantidad. Comparar 2 países (variable categórica)
# Resolución Gráfica
colors = sns.color_palette('Set2_r')
sns.set_context('paper')
plt.subplot(2, 3, 1)
plt.bar(df9_1.index, df9_1['total_amount'],width= 1, color = colors),
plt.xticks(rotation=90)
plt.xlabel('Vendedor', fontdict = font3)
plt.ylabel('Importe', fontdict = font3)
plt.title("Ventas por vendedor en Brazil", fontdict = font3)
plt.savefig('VentasXVendedorBrazil.jpg')
plt.subplot(2,3,3)
plt.bar(df9_2.index, df9_2['total_amount'],width= 1,color = colors),
plt.xticks(rotation=90)
plt.xlabel('Vendedor', fontdict = font3)
plt.ylabel('Importe', fontdict = font3)
plt.title("Ventas por vendedor en Argentina", fontdict = font3)
plt.savefig('VentasXVendedorArgentina.jpg')
plt.show()
print("Mejor vendedor por importes vendidos en Brazil:Saisie Slograve")
print("Mejor vendedor por importes vendidos en Argentina: Janel O'Curran")
Mejor vendedor por importes vendidos en Brazil:Saisie Slograve
Mejor vendedor por importes vendidos en Argentina: Janel O'Curran
Si bien los 5 productos más vendidos en cantidad son HDD y SDD (Grafico Pregunta 1) los que más ingresos dieron son Full PC y Notebook (Gráfico Pregunta 2) por el precio de los mismos.
Los dos mejores vendedores son Janel O'Curran que vendió 703 artículos, por un total de $ 192,832.47 y le sigue Brockie Patience con 441 artículos vendidos, por $ 142,709.88 (Gráfico Pregunta 3).
Los dos primeros países con más ventas son Brazil y Argentina con el producto con más importe de venta es en Brazil la Tablet (156 unidades) y en Argentina la CPU (104 unidades).
Según la evolución de ventas por semana se vende más en Brazil la primer semana y en Argentina la segunda semana.
Se sugiere incrementar las ventas a partir de la segunda semana en Brazil y en Argentina en la primera y a partir de la tercer semana, para mantener el nivel de ventas más alto en las dos primeras semanas, publicitando los 5 artículos más vendidos, y realizar ofertas en las semanas dos y tres.
Viendo las cantidades vendidas por vendedor, la diferencia entre el que más vende y el que menos vende es grande, tal vez subiendo las comisiones en las ventas, incrementando así el incentivo monetario, los que menos venden estarían más cerca de los que más venden.