TP Final Integrador 22612

# 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 22.3.1 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 nulls 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 nulls 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 nulls 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 nulls 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 nulls 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 nulls 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

# https://pandas.pydata.org/docs/user_guide/indexing.html # https://towardsdatascience.com/how-to-use-loc-and-iloc-for-selecting-data-in-pandas-bd09cb4c3d79 # https://stackoverflow.com/questions/28754603/indexing-pandas-data-frames-integer-rows-named-columns my_df = df_orders.copy() # Shallow copy # Cambio el índice 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']) # print(df_articles) # print() # my_df for i in range(max(my_df.count())): # print(i) # 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 (article_name) de df_articles # print(df_articles.loc[my_df[i]['article_id']]['article_name']) article = df_articles.loc[my_df.loc[i]['article_id']]['article_name'] # print(article) my_df.loc[i, 'article_name'] = article # my_df # 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]

# my_df.loc[:, 'quantity'] # my_df.loc[0, ['quantity','country_name']] # my_df.loc[0:5, ['quantity','country_name']] # my_df.iloc[:,1] # my_df.iloc[0,[1,2]] my_df.iloc[0:5,[1,2]]

quantityint64

country_nameobject

Peru

Bolivia

Brazil

Mexico

# RESOLUCIÓN ANALÍTICA # df7 = my_df.groupby(by='article_name').sum().sort_values('quantity', ascending=False) # print(df7.head()) # print(df7[['quantity']].head()) # print() # df7 = my_df.groupby(by='article_name').sum().sort_values('quantity', ascending=False).reset_index() # print(df7.head()) # df7_2 = df7[['article_name', 'quantity']].groupby('article_name').sum('quantity').sort_values('quantity', ascending=False) # print(df7_2.head()) # print() # print(df7_2.head().index) # print(df7_2.head().index[0]) # df7 = my_df.groupby(by='article_name')['quantity'].sum().sort_values(ascending=False).head() # df7 = my_df.groupby(by='article_name')[['quantity'] + ['total_amount']].sum().sort_values('quantity',ascending=False).head() # print(df7) # print(df7.head().index) # df7 = my_df.groupby(by='article_name')['quantity'].sum().sort_values(ascending=False) # print(df7.iloc[0:5]) # df7 = my_df.groupby(by='article_name')['quantity'].sum().sort_values(ascending=False).reset_index() # print(df7.iloc[0:5]) # df7 = my_df.groupby(by='article_name')['quantity'].sum().sort_values(ascending=False) # df7 = my_df.groupby(by='article_name').sum().sort_values('quantity',ascending=False) # print(df7) # print(df7.loc['HDD':'Netbook']) # print(df7.loc['HDD':'Netbook']['quantity']) # df7 = my_df.groupby(by='article_name').agg({'quantity':'sum'}).sort_values('quantity', ascending=False) # print(df7.head()) # df7 = my_df.groupby(by='article_name').agg({'quantity':'sum'}).sort_values('quantity', ascending=False).rename(columns={'quantity':'Cantidad'}).sort_values('Cantidad', ascending=False) # print(df7.head()) # df7 = my_df.groupby(by='article_name').agg({'quantity':'sum'}).sort_values('quantity', ascending=False).reset_index().rename(columns={'quantity':'Cantidad'}).sort_values('Cantidad', ascending=False) # print(df7.head()) # df7 = my_df.groupby(by='article_name').sum().sort_values('quantity', ascending=False).head() df7 = my_df.groupby(by='article_name').sum().sort_values('quantity', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format # print(df7[['quantity']].head()) print(df7[['quantity','total_amount']].head()) # print(df7[['quantity','total_amount']])

              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

# RESOLUCIÓN GRÁFICA # Opción 1 - Count # sns.countplot(my_df, x='article_name') # Opción 2 - barplot sns.barplot(data=df7, x=df7.index, y='quantity') # Opción 3 - barplot # xs = ["HDD", "Tablet", "SDD", "Mouse", "Netbook"] # ys = [413, 374, 372, 322, 320] # sns.barplot(x=xs, y=ys) plt.xticks(rotation=90) # 'vertical' plt.show()

# 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(df2['total_amount']) # print(df2) # print() # print(df2.index[0]) # print() # print(df2.reset_index().iloc[0]) # print() # for i in range(5): # # print(df2.index[i]) # print(df2.reset_index().iloc[i]) # print() # print() # print(df2.reset_index())

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

# RESOLUCIÓN GRÁFICA plt.pie(x=df2['total_amount'], labels=df2.index, autopct='%1.2f%%') plt.show()

# RESOLUCIÓN ANALÍTICA df4 = my_df.groupby(by='seller_name').sum().sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df4[['quantity'] + ['total_amount']].head(5))

                   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

# RESOLUCIÓN GRÁFICA plt.bar(df4.index, df4['total_amount']) plt.xticks(rotation=90) plt.show()

# RESOLUCIÓN ANALÍTICA df5 = my_df.groupby(by='week').sum().sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df5[['quantity'] + ['total_amount']])

      quantity  total_amount
week                        
1         2449  $ 507,458.81
2         2444  $ 415,364.44
3         2114  $ 329,140.03
4         1058  $ 223,844.56

# RESOLUCIÓN GRÁFICA plt.bar(df5.index, df5['total_amount']) plt.show() # 'week' es el index

# RESOLUCIÓN # Ventas filtrado por país. Comparar 2 países # Cuál es el producto que más se vende, en qué cantidad # Resolución Analítica y Gráfica

# RESOLUCIÓN # Evolución de Ventas por producto. # Tomar 2 países y 'week' como variable categórica # Resolución Analítica y Gráfica

# RESOLUCIÓN # Mejor vendedor/producto. Mostrar importe/cantidad. Comparar 2 países (variable categórica) # Resolución Analítica y Gráfica

df6 = my_df[my_df['country_name'] == 'Brazil'] #A partir del anterior, ordenar vendedores por total de ventas vendedores_pais = df6.groupby('seller_name').sum().sort_values('total_amount', ascending=False) vendedores_pais.head()

weekint64

quantityint64

Daisie Slograve

226

Aveline Swanwick

227

Arnold Kilkenny

184

Kati Innot

151

Tobin Roselli

211

plt.bar(vendedores_pais.index,vendedores_pais['total_amount'], color = ['green' if x in vendedores_pais.index[0:5] else 'blue' for x in vendedores_pais.index]) #Color verde para los mejores 5 plt.xticks(rotation = 90) plt.title("Desempeño vendedores del país que más compra") plt.xlabel("Vendedores") plt.ylabel("Total de Ventas") plt.show()

df_brazil = my_df[my_df['country_name'] == 'Brazil'] print(df_brazil[['seller_name','total_amount', 'quantity']].groupby('seller_name').sum().sort_values('total_amount', ascending=False)) print() df_brazil_bars = df_brazil[['seller_name','total_amount']].groupby('seller_name').sum('total_amount').sort_values('total_amount', ascending=False) print(df_brazil_bars) print() df_brazil_line = df_brazil[['seller_name','quantity']].groupby('seller_name').sum('quantity').sort_values('quantity', ascending=False).reset_index() print(df_brazil_line) fig, ax1 = plt.subplots() # ax1: axes1 # sns.barplot(data = df_brazil_bars, x='seller_name', y='total_amount', ax=ax1, color='C3') sns.barplot(data = df_brazil_bars, x = df_brazil_bars.index, y='total_amount', ax=ax1, color='C3') # ax: axes plt.xticks(rotation=90) ax2 = ax1.twinx() # ax2: axes2 = ax1.twinx() sns.lineplot(data = df_brazil_line, x='seller_name', y='quantity', ax=ax2, color='C11') plt.xticks(rotation=90) plt.title('Top sellers in Brazil') ax1.set_xlabel("Seller Name") ax1.set_ylabel("Income ($)") ax2.set_ylabel("Quantity (line)") plt.show()

                   total_amount  quantity
seller_name                              
Daisie Slograve     $ 65,283.28       226
Aveline Swanwick    $ 58,771.48       227
Arnold Kilkenny     $ 47,243.54       184
Kati Innot          $ 32,087.32       151
Tobin Roselli       $ 31,997.93       211
Janel O'Curran      $ 31,562.86       182
Onida Cosely        $ 29,354.31       206
Jase Doy            $ 28,493.25       149
Vasily Danilyuk     $ 27,495.77       124
Milly Christoffe    $ 21,247.38       161
Cirilo Grandham     $ 21,061.74       158
Ewell Peres         $ 15,253.22        91
Oliviero Charkham   $ 14,951.72       195
Brockie Patience    $ 10,756.96       125
Cornie Wynrehame     $ 5,711.09       125

                   total_amount
seller_name                    
Daisie Slograve     $ 65,283.28
Aveline Swanwick    $ 58,771.48
Arnold Kilkenny     $ 47,243.54
Kati Innot          $ 32,087.32
Tobin Roselli       $ 31,997.93
Janel O'Curran      $ 31,562.86
Onida Cosely        $ 29,354.31
Jase Doy            $ 28,493.25
Vasily Danilyuk     $ 27,495.77
Milly Christoffe    $ 21,247.38
Cirilo Grandham     $ 21,061.74
Ewell Peres         $ 15,253.22
Oliviero Charkham   $ 14,951.72
Brockie Patience    $ 10,756.96
Cornie Wynrehame     $ 5,711.09

          seller_name  quantity
0    Aveline Swanwick       227
1     Daisie Slograve       226
2       Tobin Roselli       211
3        Onida Cosely       206
4   Oliviero Charkham       195
5     Arnold Kilkenny       184
6      Janel O'Curran       182
7    Milly Christoffe       161
8     Cirilo Grandham       158
9          Kati Innot       151
10           Jase Doy       149
11   Brockie Patience       125
12   Cornie Wynrehame       125
13    Vasily Danilyuk       124
14        Ewell Peres        91

Pregunta 1: ¿Cuál fue el país que generó más ingresos por ventas?

# RESOLUCIÓN ANALÍTICA df_paises = my_df.groupby(by='country_name').sum().sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df_paises['total_amount'])

country_name
Brazil        $ 441,271.85
Argentina     $ 205,832.78
Colombia      $ 177,514.29
Peru          $ 161,421.12
Mexico        $ 138,619.99
Venezuela      $ 77,684.52
El Salvador    $ 57,391.26
Guatemala      $ 52,579.25
Honduras       $ 36,763.56
Costa Rica     $ 34,606.50
Chile          $ 24,660.98
Bolivia        $ 22,682.80
Uruguay        $ 17,843.09
Ecuador        $ 17,475.30
Paraguay        $ 8,195.12
Puerto Rico     $ 1,265.43
Name: total_amount, dtype: float64

# RESOLUCIÓN GRÁFICA sns.barplot(data=df_paises, x=df_paises.index, y='total_amount',palette= 'crest') plt.xticks(rotation=90) plt.show()

Pregunta 2: ¿Cuál fueron los 5 productos más vendidos en Argentina?

# RESOLUCIÓN ANALÍTICA df_argentina= my_df[my_df['country_name'] == 'Argentina'] # print(df_argentina) df_a =df_argentina.groupby(by='article_name').sum().sort_values('quantity', ascending=False).head(5) pd.options.display.float_format= '$ {:,.2f}'.format print(df_a['quantity'])

article_name
CPU               104
SDD                73
HDD                68
Range Extender     58
Fan Cooler         47
Name: quantity, dtype: int64

# RESOLUCIÓN GRÁFICA sns.barplot(data=df_a, x=df_a.index,y='quantity') plt.xticks(rotation='horizontal') plt.show()

Pregunta 3: ¿Cómo evolucionaron las ventas en Argentina a lo largo del mes?

# RESOLUCIÓN ANALÍTICA df_argentina= my_df[my_df['country_name'] == 'Argentina'] df_a = df_argentina.groupby(by='week').sum().sort_values('week', ascending=True) pd.options.display.float_format= '$ {:,.2f}'.format print(df_a[['quantity','total_amount']])

      quantity  total_amount
week                        
1          275   $ 63,760.48
2          413   $ 96,789.13
3          160   $ 26,601.97
4           99   $ 18,681.20

# RESOLUCIÓN GRÁFICA df_a['total_amount'].plot(color='green')

Informe final:

Como consecuencia del análisis realizado se desprende que Brasil es el país que más ingresos generó a la empresa, superando ampliamente a los demás países latinoamericanos. En segundo lugar, se encuentra Argentina, que generó poco menos de la mitad de los ingresos generados por Brasil durante el período analizado. Colombia, Perú y México, se encuentran en el tercero, cuarto y quinto puesto, respectivamente.

En cuanto a los artículos más vendidos en Argentina, en primer lugar se encuentra la CPU, con 104 artículos vendidos en el mes y le siguen los dispositivos de almacenamiento SSD y HDD. Se sugiere realizar promociones en notebooks y netbooks para equiparar su venta con las unidades vendidas de las CPU.

Por último, en cuanto al monto de ventas en Argentina durante el mes bajo análisis, presenta un comportamiento esperable, logrando su pico máximo en la segunda semana del mes y descendiendo abruptamente hacia la tercera y cuarta semana. Se sugiere realizar promociones y descuentos a partir de la tercera semana del mes, en donde las ventas caen.