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

# imports import numpy as np import pandas as pd import sqlite3 as sql3 import openpyxl #para que funcione correctamente el excel 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()) print('\nFormato del dataframe') print(df_articles.shape) print('\nBusqueda 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('\nBusqueda 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('\nBusqueda de valores nulos 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)

#Creo una copia del df_orders my_df = df_orders.copy() #Cambio el indice de df de articulos df_articles.set_index('article_id', inplace = True) #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 for i in range(len(my_df.index)): #len(my_df.index) nos da la cantidad de registros #busco el nombre del articulo y le asigno una variable #como df_articles esta indexado por aricle_id, lo uso para ubicarme en el registro buscado #SINTAXIS: df_articles.loc[indice][columna] #[indice] va a ser el dato que obtengo de my_df.loc[i][article_id] #tomo registro a registro el article_id y extraigo el nombre del articulo article = df_articles.loc[my_df.loc[i]['article_id']]['article_name'] #se lo asigno a la columna correspondiente my_df.loc[i, 'article_name'] = article #hago lo mismo en un solo paso para la columna de 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 del 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 my_df.drop(['order_id', 'article_id', 'seller_id'], axis = 'columns', inplace = True) print(my_df)

# RESOLUCIÓN ANALÍTICA my_df2=my_df.groupby('article_name').sum() por_cant = my_df2.sort_values('quantity', ascending = False) print(por_cant['quantity'].head(1))

# RESOLUCIÓN GRÁFICA sns.barplot(y = por_cant['quantity'], x = por_cant.index) plt.xticks(rotation = 90) plt.show()

# RESOLUCIÓN ANALÍTICA df2 = (my_df.groupby(by = 'article_name').sum()).sort_values('total_amount',ascending=False).head(5) print(df2['total_amount'])

# RESOLUCIÓN GRÁFICA Voy a tomar solo los 5 primeros articulos que mas ingresos nos dieron #No puedo hacer una comparativa ni porcentajes porque no tome el total de los datos #plt.pie(x = df2['total_amount'], labels = df2.index) #plt.show() #Veremos mejor en un grafico de barras, los 5 primeros articulos que mas ingresos nos dieron en el mes: plt.barh(df2.index, df2['total_amount'], height = 0.6) plt.show()

# RESOLUCIÓN ANALÍTICA df4 = (my_df.groupby(by = 'seller_name').sum()).sort_values('total_amount', ascending=False) print(df4[['quantity']+['total_amount']])

# RESOLUCIÓN GRÁFICA plt.bar(df4.index, df4['total_amount']) plt.xticks(rotation = 60, ha = 'right') plt.show()

# RESOLUCIÓN ANALÍTICA df5 = (my_df.groupby(by = 'week').sum()).sort_values('total_amount', ascending=False) print(df5)

# RESOLUCIÓN GRÁFICA plt.bar(df5.index, df5['total_amount']) plt.show() #Se observa una clara disminucion de ventas a lo largo de las cuatro semanas del mes. #Se podria lanzar una campana de promocion en la tercer semana, para comenzar a equiparar #las ventas en las dos ultimas semanas con respecto a las dos primeras.

# RESOLUCIÓN #Cuales son los cinco paises con mas ventas? sumar_paises_df = my_df.groupby('country_name').sum() top_five_paises = sumar_paises_df.sort_values('total_amount', ascending=False).head(5) print(top_five_paises)

# RESOLUCIÓN #Cual es la semana de mayor venta por cada pais? #Maquetar el DF final #Pais Semana Ventas #Pais1 4 monto #Pais2 3 monto #1- Obtener total x semana x pais df_pais_semana = my_df.groupby(['country_name', 'week']).sum() #print(df_pais_semana) #2- Obtener la lista de paises paises = my_df.groupby('country_name').sum().index.values #print(paises) #3- Creo el DF final df_final = pd.DataFrame(columns = ['Semana', 'Ventas'], index=paises) #print(df_final) #4- Procesar el DF df_pais_semana y obtener las ventas maximas x semana y guardarlas en df_final for p in paises: df = df_pais_semana.loc[p] v = df.max()['total_amount'] s = df[(df['total_amount'] == v)].index[0] df_final.loc[p] = {'Semana':s, 'Ventas':v} df_final['Semana'] = df_final['Semana'].astype(int) print(df_final) g = sns.barplot(data = df_final, x = df_final.index, y = 'Ventas', hue = 'Semana') g.set_xticklabels(labels=df_final.index, rotation = 90) plt.show()

# RESOLUCIÓN # Que pais vendio menos HDD? print("\nPais que vendio menos HDD") pais_menos_HDD = my_df.groupby(by=['article_name', 'country_name']).sum().query('article_name == "HDD"').sort_values(by='quantity', ascending=True) print(pais_menos_HDD['quantity'].head(1))