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

!pip install openpyxl==3.0.10

# imports import numpy as np import pandas as pd import sqlite3 as sql3 import openpyxl # para que levante bien el excel import matplotlib.pyplot as plt import seaborn as sns

# Levanto los datos en 3 diferentes dataframes # Artículos 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) df_sellers # Órdenes df_orders = pd.read_csv('/work/data/orders.csv')

# Exploración del df de artículos print('Muestra de datos') print(df_articles.head()) print('\nFormato del dataframe') print(df_articles.shape) print('\nBúsqueda de valores nulos por columna') print(df_articles.isnull().sum()) print('\nFormato de los datos por columna') print(df_articles.dtypes)

# Exploración del df de vendedores print('Muestra de datos') print(df_sellers.head()) print('\nFormato del dataframe') print(df_sellers.shape) print('\nBúsqueda de valores nulos por columna') print(df_sellers.isnull().sum()) print('\nFormato de los datos por columna') print(df_sellers.dtypes)

# Exploración del df de órdenes print('Muestra de datos') print(df_orders.head()) print('\nFormato del dataframe') print(df_orders.shape) print('\nBúsqueda de valores nulos por columna') print(df_orders.isnull().sum()) print('\nFormato de los datos por columna') print(df_orders.dtypes)

# Luego de la exploración de datos, se observó en articles.db: #- el formato de los datos de la columna "Unit_price" es object y debería ser float. # Se procede a realizar dicho cambio: df_articles['unit_price'] = df_articles['unit_price'].astype(float) print(df_articles.dtypes) #- el ID de los artículos se encuentra como dato en una columna. # Se crea una copia de articles.db y se procede al cambio de índice. df_artic = df_articles.set_index('article_id',inplace = False) print(df_artic) # - los datos no tienen la misma cantidad de cifras significativas.Para ello, se configura el separadores de miles y formato de 2 decimales. pd.options.display.float_format = '{:,.2f}'.format pd.set_option('display.width', 1000)

# Creo una copia del df_orders pd.set_option('precision',2) my_df = df_orders.copy() # Agrego algunas 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']) # reemplazo los valores en el nuevo df # 1. busco el nombre del artículo y lo asigno a una variable # como df_artic está indexado por article_id, lo uso para ubicarme en # el registro que busco # SINTAXIS: df_artic.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 for i in range(len(my_df.index)): # len(my_df.index) devuelve la cantidad de registros # Obtenemos article_name id_articulo = my_df.loc[i]['article_id'] nombreArticulo = df_artic.loc[id_articulo]['article_name'] #se lo asigno a la columna correspondiente my_df.loc[i,'article_name'] = nombreArticulo # Obtenemos total_amount precioArticulo = df_artic.loc[id_articulo]['unit_price'] my_df.loc[i, 'total_amount'] = my_df.loc[i,'quantity'] * precioArticulo # Obtenemos seller_name id_vendedor = my_df.loc[i]['seller_id'] nombreVendedor = df_sellers.loc[id_vendedor]['seller_name'] my_df.loc[i, 'seller_name'] = nombreVendedor # elimino las columnas que no necesito my_df.drop(['order_id', 'article_id', 'seller_id'], axis = 'columns', inplace=True) #visualizo la tabla print(my_df)

# RESOLUCIÓN ANALÍTICA df_cant_articulos = my_df.groupby('article_name').sum() df_cant_articulos_ord = df_cant_articulos.sort_values('quantity', ascending=False) #print(df_cant_articulos_ord) # visualizo la tabla #Respuesta--- print("El artículo más vendido es (unidades):\n", df_cant_articulos_ord['quantity'].head(1)) # Respuesta Artículo más vendido: HDD 413 unidades #---------------- Generación y acondicionamiento de tablas para graficar---------------- df_cant_articulos_ord_head= df_cant_articulos_ord['quantity'].head() #Los 5 primeros artículos

# RESOLUCIÓN GRÁFICA # Grafico 1 ax1=sns.barplot(y = df_cant_articulos_ord["quantity"], x=df_cant_articulos_ord.index,palette= "light:#5A9") plt.xticks(rotation=90, ha="right") ax1.set_title("Artículos vendidos",fontsize = 16) ax1.set_xlabel("Artículos",fontsize = 12) ax1.set_ylabel("Cantidad (unidades)",fontsize = 12) plt.show(ax1) #Gráfico 2 ax2=sns.barplot(y = df_cant_articulos_ord_head, x=df_cant_articulos_ord_head.index,palette= "flare") ax2.set_title("5 Artículos más vendidos",fontsize = 16) ax2.set_xlabel("Artículos",fontsize = 12) ax2.set_ylabel("Cantidad (unidades)",fontsize = 12) plt.xticks(rotation = 45, ha="right") plt.show(ax2) print("En el primer gráfico se observan las unidades vendidas de cada artículo, siendo el artículo más vendido HDD. \n Con el objetivo de mostrar las diferencias entre los primeros artículos más vendidos, se presenta el gráfico 2")

# RESOLUCIÓN ANALÍTICA df_monto_articulo_ord = my_df.groupby('article_name').sum().sort_values('total_amount', ascending=False).head(5) #print(df_monto_articulo_ord) #Para visualizar tabla #Respuesta--- print("El artículo que más ingresos proporcionó ($ Pesos argentinos):\n", df_monto_articulo_ord['total_amount'].head(1)) # Respuesta: Full Pc $538.335,93

# RESOLUCIÓN GRÁFICA plt.barh(df_monto_articulo_ord.index, df_monto_articulo_ord['total_amount'] , height=0.8, color= "salmon") plt.xlabel('Monto ($ Pesos argentinos)', fontsize=12) plt.title('5 Artículos que proporcionan mayor ganancia',fontsize=16) plt.xticks([0,100000,200000,300000,400000,500000], ["0", "100.000", "200.000", "300.000","400.000","500.000"]) plt.show() print("Se observa que, los 5 artículos que generan mayores ganancias son artículos importantes ( referido a prestaciones y costo) \n" "Además, la diferencia entre las ganancias generadas por la venta de Full Pc y Notebook son del 50% aprox. \n" "Finalmente, si comparamos con las gráficas anteriores observamos que, Full Pc se encuentra en orden 16 de ventas (unidades) \n" "y por ejemplo Tablet es el segundo en ventas (unidades) pero el quinto en ganancias ($). Por otro lado, Chair se encuentra entre los 5 artículos \n" "menos vendidos (unidades) y es el cuarto en generar más ganancias por sus ventas.")

# RESOLUCIÓN ANALÍTICA df_monto_vendedor_ord = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending=False) #print(df_monto_vendedor_ord[['quantity']+['total_amount']]) #Visualizar la Tabla #Respuesta--- print("El bono por \"Mejor vendedor del mes\" debe entregarse a: \n", df_monto_vendedor_ord[['quantity']+['total_amount']].head(1)) # Respuesta: Janel O' Curran $192,832.47

# RESOLUCIÓN GRÁFICA plt.bar(df_monto_vendedor_ord.index, df_monto_vendedor_ord['total_amount'], color= "turquoise") plt.xticks(rotation=45, ha="right") plt.ylabel('Monto ($ Pesos argentinos)', fontsize=12) plt.title('Ventas del mes por vendedor',fontsize=16) plt.yticks([0,25000,50000,75000,100000,125000,150000,175000,200000], ["0","25.000","50.000","75.000","100.000","125.000","150.000","175.000","200.000"]) plt.show() print("De la gráfica se observa que, el mejor vendedor posee una diferencia con respecto al segundo y tercer vendedor de 25% aprox \n" "y del 75% respecto al último vendedor. Se debería analizar qué artículos vende para explicar las diferencias, por ejemplo.")

# RESOLUCIÓN ANALÍTICA df_venta_semanal = my_df.groupby(by='week').sum().sort_values('total_amount',ascending=False) #Respuesta--- print("Las variaciones en ventas ($ Pesos argentinos) a lo largo del mes, pueden observarse a continuación a: \n", df_venta_semanal['total_amount'])

# RESOLUCIÓN GRÁFICA plt.subplot(2,2,1) # Grafico 1 plt.plot(df_venta_semanal.index,df_venta_semanal['total_amount'],'tab:purple', marker='p', linestyle=':') plt.ylabel('Ventas ($ Pesos argentinos)', fontsize=10) plt.xlabel('Semanas', fontsize=10) plt.title("Variaciones en el mes \n expresadas en ventas", fontsize=14) plt.subplot(2,2,2) # Gráfico 2 plt.plot(df_venta_semanal.index,df_venta_semanal['quantity'],'darkturquoise', marker='>', linestyle='-.') plt.ylabel('Ventas (unidades)', fontsize=10) plt.xlabel('Semanas', fontsize=10) plt.title("Variaciones en el mes \n expresadas en cantidades", fontsize=14) plt.subplots_adjust(left=0.1, bottom=1, right=0.9, top=2.5, wspace=0.8, hspace=0.4) plt.show() print("Si bien el ejercicio sugiere analizar a través de las variaciones en ventas ( expresadas en monto) \n" "es conveniente analizar en detalle qué sucede en los distintas semanas para lanzar una promoción. \n" "Por ejemplo del gráfico 2 se observa que, prácticamente no hubo variaciones en las cantidades vendidas durante la semana 1 y 2.\n" "Pero el ingreso percibido por las ventas si disminuyó. Sin entrar en más detalles, se sugiere incorporar promociones en la semana 3.\n" "De forma tal de mantener al menos las cantidades vendidas, y realizar un estudio más profundo sobre los artículos que se venden \n" "para generar mayores ingresos ($).")

# RESOLUCIÓN df_articulo1_ventas = my_df.loc[my_df['article_name'] == 'Full Pc'] df_articulo1_ventas_semanal = df_articulo1_ventas.groupby(by='week').sum().sort_values('total_amount',ascending=False) df_articulo1_ventas_semanal=df_articulo1_ventas_semanal.sort_index() df_articulo2_ventas = my_df.loc[my_df['article_name'] == 'Notebook'] df_articulo2_ventas_semanal = df_articulo2_ventas.groupby(by='week').sum().sort_values('total_amount',ascending=False) df_articulo2_ventas_semanal=df_articulo2_ventas_semanal.sort_index() df_articulo3_ventas = my_df.loc[my_df['article_name'] == 'Smartphone'] df_articulo3_ventas_semanal = df_articulo3_ventas.groupby(by='week').sum().sort_values('total_amount',ascending=False) df_articulo3_ventas_semanal=df_articulo3_ventas_semanal.sort_index() df_articulo4_ventas = my_df.loc[my_df['article_name'] == 'Chair'] df_articulo4_ventas_semanal = df_articulo4_ventas.groupby(by='week').sum().sort_values('total_amount',ascending=False) df_articulo4_ventas_semanal=df_articulo4_ventas_semanal.sort_index() df_articulo5_ventas = my_df.loc[my_df['article_name'] == 'Tablet'] df_articulo5_ventas_semanal = df_articulo5_ventas.groupby(by='week').sum().sort_values('total_amount',ascending=False) df_articulo5_ventas_semanal=df_articulo5_ventas_semanal.sort_index() #---GRÁFICO---- plt.plot(df_articulo5_ventas_semanal.index,df_articulo5_ventas_semanal['total_amount'],'tab:purple', marker='p', linestyle=':') plt.plot(df_articulo4_ventas_semanal.index,df_articulo4_ventas_semanal['total_amount'],'darkturquoise', marker='>') plt.plot(df_articulo3_ventas_semanal.index,df_articulo3_ventas_semanal['total_amount'],'red', marker='8') plt.plot(df_articulo2_ventas_semanal.index,df_articulo2_ventas_semanal['total_amount'],'#00FF00', marker='s') plt.plot(df_articulo1_ventas_semanal.index,df_articulo1_ventas_semanal['total_amount'],'blue', marker='1') plt.ylabel('Ventas ($ Pesos argentinos)', fontsize=12) plt.xlabel('Semanas', fontsize=12) plt.title("Variaciones en el mes \n expresadas en ventas", fontsize=14) plt.legend(('Tablet','Chair','Smartphone','Notebook','Full Pc' ),loc="upper right") plt.show() print("Del gráfico se observa que, prácticamente, las ventas de los 5 artículos que generan más \n" "ganancias disminuyen en la segunda semana. Ese es el momento para lanzar promociones de ventas. \n" "En la pregunta 4, grafico 2, observamos que las unidades vendidas entre semana 1 y 2 no variaban, pero si las ventas \n" "esto nos da un indicio que, en la segunda semana se vendieron artículos menores que no impactan en las ganancias.")

# RESOLUCIÓN df_articulo1_ventas_pais = df_articulo1_ventas.groupby(by='country_name').sum().sort_values('total_amount',ascending=False) colores=("rosybrown","lightcoral","indianred","brown","firebrick","maroon","red","salmon","coral","sienna", "chocolate","tan") desfase=(0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.1) df_articulo1_ventas.groupby(by='country_name').sum().plot(kind='pie',y='total_amount',colors=colores, autopct='%1.0f%%',legend=False, explode=desfase) plt.title("Ventas por país del artículo Full Pc", fontsize=14) plt.axis("off") plt.show() print("Los países que más compran el artículo Full Pc son Brazil, Argentina y Colombia. \n" "Tal como se observa en el gráfico de torta. Se debería realizar un estudio que muestre cuál es el artículo más vendido por país\n" "y analizar la variación mensual de las ventas.")

# RESOLUCIÓN #----------Respuesta A---------- df_vendedor1= my_df.loc[(my_df['seller_name'] == "Janel O'Curran")] df_vendedor1_articulos_ventas = df_vendedor1.groupby(by='article_name').sum().sort_values('total_amount',ascending=False) #Se observa una amplia diferencia en ventas entre artículos.Se muestran los primeros 5 y se grafican. df_vendedor1_articulos_ventas_head=df_vendedor1_articulos_ventas['total_amount'].head() print(df_vendedor1_articulos_ventas_head) print("Se observa que el artículo que ventas genera es el artículo Full Pc,\n" "luego siguen otros pero no son relevantes.") #----------Respuesta B---------- df_vendedor1_pais= my_df.loc[(my_df['seller_name'] == "Janel O'Curran") & (my_df['article_name'] == 'Full Pc')] plt.bar(df_vendedor1_pais['country_name'], df_vendedor1_pais['total_amount'], color= "rosybrown") plt.xticks(rotation=45, ha="right") plt.ylabel('Monto ($ Pesos argentinos)', fontsize=12) plt.title("Ventas de Ful Pc por país por proveedor Janel O'Curran",fontsize=16) plt.show() print("Del gráfico de barras observamos qué el proveedor Janel O'Curran vende el \n" "artículo Full Pc en los países mayoritarios en ventas de dicho artículo. ")

print("CONCLUSIONES: En lo personal, el trabajo práctico me pareció muy interesante. Dejar abierto a continuar analizando la información \n" "me pareció muy adecuado, seguramente a cada alumno le pareció más apropiado ahondar en el análisis de relaciones de distintas categorías") print("PROPUESTAS: Del debate que surgió en clases sobre la pregunta 4. Se sugiere ahondar con más detalle \n" "en las preguntas complementarias, si el alumno lo cree pertinente. Ya que sacar conclusiones de promociones por ventas en general \n" "sin especificar que productos se están vendiendo ( ya que los ingresos están directamente asociados al tipo de artículo) puede inducir a errores. \n" "Por otro lado, se sugiere analizar un podio de vendedores del mes y qué artículos venden o el mejor vendedor por artículo. \n")