# 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 # 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) # Ordenes 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 nulls 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 nulls 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 nulls por columna') print(df_orders.isnull().sum()) print('\nFormato de los datos por columna') print(df_orders.dtypes)

df_articles['unit_price'] = df_articles['unit_price'].astype(float) print(df_articles.dtypes)

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']) for i in range(max(my_df.count())): #bucle que recorre los reistros article = df_articles.loc[my_df.loc[i]['article_id']]['article_name'] # 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'] # elimimo las columnas que no necesito del df my_df.drop(['order_id', 'article_id', 'seller_id'], axis='columns', inplace=True) print(my_df)

# RESOLUCIÓN ANALÍTICA df_articles=my_df[['article_name','quantity']].groupby(by='article_name').sum().sort_values('quantity', ascending=False). head(5) print ('\n ARTÍCULO QUE MÁS CANTIDAD SE VENDIÓ \n') print(df_articles) # cuenta valores únicos

# RESOLUCIÓN GRÁFICA sns.set(style= 'dark', palette='pastel', font="sans-serif", font_scale=0.7) sns.displot(my_df, x='article_name') plt.xticks(rotation=90) # 'vertical' plt.show()

# RESOLUCIÓN ANALÍTICA df2 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount', ascending=False).head(10) pd.options.display.float_format = '$ {: ,.2f}'.format print(df2['total_amount']) # SINTAXIS ALTERNATIVA # pd.options.display.float_format= '$ {:,.2f}'.format # print(my_df[['article_name'] + ['total_amount']].groupby(['article_name']).sum().sort_values('total_amount', ascending=False).head(5))

# RESOLUCIÓN GRÁFICA plt.pie(x=df2['total_amount'], labels=df2.index, radius=1.4, autopct='%1.2f%%') plt.show() # 'article_name' es el index

# 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']]) print(df4[['quantity'] + ['total_amount']].head(5)) # 'seller_name' es el index

# RESOLUCIÓN GRÁFICA plt.bar(df4.index, df4['total_amount']) plt.xticks(rotation=60) plt.title("MEJOR VENDEDOR DEL MES") plt.show() # 'seller_name' es el index

# 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']]) # 'week' es el index

# RESOLUCIÓN GRÁFICA plt.bar(df5.index, df5['total_amount']) plt.xticks(range(1,5)) plt.title("VENTAS SEMANALES") plt.ylabel('MONTO DE VENTAS') plt.xlabel('SEMANAS') 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 df_countries=(my_df[['country_name','total_amount','quantity']].groupby(by='country_name').sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.0f}'.format print(df_countries)

#RESOLUCIÓN GRÁFICA sns.set(style='dark') plt.bar(df_countries.index, df_countries['total_amount']) plt.xticks(rotation=90) plt.title('País que más vende en montos') plt.show()

#Comparacion top 2 paises ventas print("COMPARACION TOP 2") df_top_ventas = (my_df.groupby(by= 'country_name').sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format df_comp=df_top_ventas[['quantity'] + ['total_amount']].head(2) print(df_top_ventas[['quantity'] + ['total_amount']].head(2)) # 'country_name' es el index

sns.barplot(df_comp.index, df_comp['total_amount']) plt.title("COMPARATIVA TOP 2 PAISES") plt.xlabel("País") plt.ylabel("Monto") plt.show()

#Articulos Brasil vs. Argentina en Montos #Articulo mas vendido en Brasil df_brasil = my_df.loc[my_df['country_name']=='Brazil'] df_brasil=df_brasil.groupby(['article_name']).sum().sort_values('total_amount', ascending=False).head(5) print('Articulo mas vendido en Brasil en monto') print(df_brasil[['total_amount']+['quantity']]) print('') #Articulo mas vendido en Argentina df_argentina = my_df.loc[my_df['country_name']=='Argentina'] df_argentina=df_argentina.groupby(['article_name']).sum().sort_values('total_amount', ascending=False).head(5) print('Articulo mas vendido en Argentina en montos') print(df_argentina[['total_amount']+['quantity']]) print('')

print("TOP FIVE mas vendidos Brasil vs. Argentina en $" ) plt.subplot(1,2,1) c = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue','grey'] plt.pie(x=df_brasil['total_amount'], labels=df_brasil.index, autopct='%1.2f%%', colors=c) plt.title('% TOP FIVE BRASIL', fontsize=8) plt.subplot(1,2,2) c = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue','grey'] plt.pie(x=df_argentina['total_amount'], labels=df_argentina.index, autopct='%1.2f%%', colors=c) plt.title('% TOP FIVE ARGENTINA', fontsize=8) plt.show()

#Articulos Brasil vs. Argentina en Cantidades #Articulo mas vendido en Brasil df_brasil=df_brasil.groupby(['article_name']).sum().sort_values('quantity', ascending=False).head(5) print('Articulo mas vendido en Brasil en unidades') print(df_brasil[['total_amount']+['quantity']]) print('') print() #Articulo mas vendido en Argentina df_argentina=df_argentina.groupby(['article_name']).sum().sort_values('quantity', ascending=False).head(5) print('Articulo mas vendido en Argentina en unidades') print(df_argentina[['total_amount']+['quantity']]) print('')

print("TOP FIVE mas vendidos Brasil vs. Argentina en cantidades" ) plt.subplot(1,2,1) c = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue','grey'] plt.pie(x=df_brasil['quantity'], labels=df_brasil.index, autopct='%1.2f%%', colors=c) plt.title('% TOP FIVE BRASIL', fontsize=8) plt.subplot(1,2,2) c = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue','grey'] plt.pie(x=df_argentina['quantity'], labels=df_argentina.index, autopct='%1.2f%%', colors=c) plt.title('% TOP FIVE ARGENTINA', fontsize=8) plt.show()

# RESOLUCIÓN # Evolución de Ventas por producto. # Tomar 2 países y 'week' como variable categórica # Resolución Analítica y Gráfica df6= (my_df.groupby(['article_name', 'week']).sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.0f}'.format print(df6[['total_amount']+['quantity']])

plt.title('Comparación de los dos paises que mas venden por semana') df7 = my_df[(my_df.country_name == 'Argentina')|(my_df.country_name == 'Brazil')] sns.barplot(x='week', y='quantity', hue='country_name', data=df7)

# RESOLUCIÓN # Mejor vendedor/producto. Mostrar importe/cantidad. Comparar 2 países (variable categórica) # Resolución Analítica y Gráfica print ('MEJORES 5 VENDEDORES') df8=my_df[['seller_name','country_name','week', 'quantity', 'total_amount']] df8=df8.groupby(['seller_name'])['quantity','total_amount'].sum().reset_index().sort_values(by='total_amount',ascending=False).head() print(df8)

#RESOLUCION GRAFICA sns.set(style='white', palette='dark', font="sans-serif", font_scale=0.7) sns.barplot(data=df8,x='quantity',y='total_amount',hue='seller_name',dodge=False) plt.title('MEJORES 5 VENDEDORES') plt.legend() plt.show()

#Mejor vendedor en unidades en Brasil print('Mas unidades vendio en Brasil') df_vendedor_brasil = my_df.loc[my_df['country_name']=='Brazil'] df_vendedor_brasil=df_vendedor_brasil.groupby(['seller_name']).sum().sort_values('quantity', ascending=False).head(5) print(df_vendedor_brasil[['total_amount']+['quantity']]) print('') #Mejor vendedor en unidades en Argentina print('Mas unidades vendio en Argentina') df_vendedor_arg = my_df.loc[my_df['country_name']=='Argentina'] df_vendedor_arg=df_vendedor_arg.groupby(['seller_name']).sum().sort_values('quantity', ascending=False).head(5) print(df_vendedor_arg[['total_amount']+['quantity']]) print('')