TP Final Integrador - Di Giacomo Melisa

# Librería a instalar para el proyecto !pip install openpyxl==3.0.10

# Librería importadas import openpyxl import pandas as pd import seaborn as sns import sqlite3 as sq3 import matplotlib.pyplot as plt

# Settings # Seaborn theme sns.set_theme(style="whitegrid") # Matplotlib params params = {'legend.fontsize': 'large', 'figure.figsize': (16, 10), 'axes.labelsize': 'x-large', 'axes.titlesize':'x-large', 'xtick.labelsize':'large', 'ytick.labelsize':'large'} plt.rcParams.update(params)

# 3 archivos articles_db = "data/articles.db" sellers_file = "data/sellers.xlsx" orders_file = "data/orders.csv"

# Artículos conection = sq3.connect(articles_db) # Pandas función para obtener dataframe de una BD df_articles = pd.read_sql_query('SELECT * FROM articles', conection)

# Vendedores df_sellers = pd.read_excel(sellers_file)

# Órdenes df_orders = pd.read_csv(orders_file)

article_idint64

20015 - 20045

article_nameobject

Smartphone3.2%

Full Pc3.2%

29 others93.5%

20015

Smartphone

20016

Full Pc

20017

Monitor

20018

Tablet

20019

Desk

20020

Chair

20021

Modem

20022

Range Extender

20023

Notebook

20024

Netbook

Información de artículos
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 31 entries, 0 to 30
Data columns (total 3 columns):
 #   Column        Non-Null Count  Dtype 
---  ------        --------------  ----- 
 0   article_id    31 non-null     int64 
 1   article_name  31 non-null     object
 2   unit_price    31 non-null     object
dtypes: int64(1), object(2)
memory usage: 872.0+ bytes

# Chequear valores únicos para article_id print(f'¿Son únicos los índices para article_id? {df_articles["article_id"].is_unique}')

¿Son únicos los índices para article_id? True

seller_idint64

1 - 15

seller_nameobject

Aveline Swanwick6.7%

Jase Doy6.7%

13 others86.7%

Aveline Swanwick

Jase Doy

Oliviero Charkham

Cornie Wynrehame

Ewell Peres

Milly Christoffe

Kati Innot

Tobin Roselli

Onida Cosely

Cirilo Grandham

# df_sellers info print('Información de vendedores') df_sellers.info()

Información de vendedores
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 15 entries, 0 to 14
Data columns (total 2 columns):
 #   Column       Non-Null Count  Dtype 
---  ------       --------------  ----- 
 0   seller_id    15 non-null     int64 
 1   seller_name  15 non-null     object
dtypes: int64(1), object(1)
memory usage: 368.0+ bytes

# Chequear valores únicos para seller_id print(f"¿Son únicos los índices para seller_id? {df_sellers['seller_id'].is_unique}")

¿Son únicos los índices para seller_id? True

order_idint64

15024 - 16023

weekint64

1 - 4

15024

15025

15026

15027

15028

15029

15030

15031

15032

15033

# df_orders info print('Información de órdenes') df_orders.info()

Información de órdenes
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 6 columns):
 #   Column        Non-Null Count  Dtype 
---  ------        --------------  ----- 
 0   order_id      1000 non-null   int64 
 1   week          1000 non-null   int64 
 2   article_id    1000 non-null   int64 
 3   quantity      1000 non-null   int64 
 4   seller_id     1000 non-null   int64 
 5   country_name  1000 non-null   object
dtypes: int64(5), object(1)
memory usage: 47.0+ KB

# Chequear valores únicos para order_id print(f"¿Son únicos los índices para order_id? {df_orders['order_id'].is_unique}")

¿Son únicos los índices para order_id? True

# Convertir unit_price a float df_articles = df_articles.astype({"unit_price": float}) print(f'El tipo de dato de unit_price fue cambiado a {df_articles["unit_price"].dtypes}.')

El tipo de dato de unit_price fue cambiado a float64.

# Df merge my_df = df_orders.merge(df_articles, how='left', on='article_id') my_df = my_df.merge(df_sellers, how='left', on='seller_id') # Nueva columna total_amount my_df['total_amount'] = my_df.quantity * my_df.unit_price # Elimar cols ids' y unit_price cols my_df.drop(['order_id', 'article_id', 'seller_id', 'unit_price'], axis=1, inplace=True) #axis=1 refers to columns # Ordenar columnas cols_order = ['article_name', 'quantity', 'total_amount', 'seller_name', 'country_name', 'week'] my_df = my_df[cols_order] my_df.round(2) # dos decimales

article_nameobject

HDD4.7%

Netbook4.5%

29 others90.8%

quantityint64

1 - 15

Water Cooling

Mouse

Netbook

Tablet

Case

Netbook

HDD

Mouse

SDD

Ram Memory

# RESOLUCIÓN ANALÍTICA most_sold_article = my_df.groupby(['article_name'])['quantity'].sum().reset_index() most_sold_article = most_sold_article.sort_values(by = 'quantity', ascending=False).reset_index(drop=True) most_sold_article

article_nameobject

HDD3.2%

Tablet3.2%

29 others93.5%

quantityint64

141 - 413

HDD

413

Tablet

374

SDD

372

Mouse

322

Netbook

320

Ram Memory

293

Motherboard

291

Pci Express Port

291

Smartphone

290

Range Extender

281

# Artículo más vendido print(f'El artículo más vendido es el {most_sold_article["article_name"][0]} con un total de {most_sold_article["quantity"][0]} unidades.')

El artículo más vendido es el HDD con un total de 413 unidades.

# RESOLUCIÓN GRÁFICA plt.figure(figsize=(16,10)) color_max = ['grey' if (x < max(most_sold_article['quantity'])) else '#ff725e' for x in most_sold_article['quantity']] # Color for max sns.barplot(y='article_name', x='quantity', data=most_sold_article, palette= color_max, orient = 'h') plt.ylabel("Artículo") plt.xlabel("Cantidad (unidades)") plt.show()

# RESOLUCIÓN ANALÍTICA most_amount_article = my_df.groupby(['article_name'])['total_amount'].sum().reset_index() most_amount_article = most_amount_article.sort_values(by = 'total_amount', ascending=False).reset_index(drop=True) most_amount_article.round(2)

article_nameobject

Full Pc3.2%

Notebook3.2%

29 others93.5%

total_amountfloat64

564.96 - 538335.93

Full Pc

538335.93

Notebook

251000

Smartphone

152250

Chair

69477.48

Tablet

48620

Monitor

47840

Netbook

46400

Scanner

40885

Motherboard

40268.58

CPU

37138.92

# Artículo mayor montó generó print(f'El artículo que mayor monto total generó es {most_amount_article["article_name"][0]} con un total de USD {most_amount_article["total_amount"][0]:0.2f}.')

El artículo que mayor monto total generó es Full Pc con un total de USD 538335.93.

# RESOLUCIÓN GRÁFICA plt.figure(figsize=(16,10)) color_max = ['grey' if (x < max(most_amount_article['total_amount'])) else '#ff725e' for x in most_amount_article['total_amount']] sns.barplot(y='article_name', x='total_amount', data=most_amount_article, palette= color_max, orient = 'h') plt.ylabel("Artículo") plt.xlabel("Monto total (USD)") plt.show()

# RESOLUCIÓN ANALÍTICA best_seller = my_df.groupby(['seller_name'])['total_amount'].sum().reset_index() best_seller = best_seller.sort_values(by = 'total_amount', ascending=False).reset_index(drop=True) best_seller.round(2)

seller_nameobject

Janel O'Curran6.7%

Brockie Patience6.7%

13 others86.7%

total_amountfloat64

45009.4 - 192832.47

Janel O'Curran

192832.47

Brockie Patience

142709.88

Oliviero Charkham

141329.76

Vasily Danilyuk

129157.55

Daisie Slograve

120520.11

Aveline Swanwick

118874.33

Arnold Kilkenny

94552.04

Kati Innot

83704.62

Jase Doy

80628.31

Ewell Peres

78144.32

# Mejor vendedor del mes print(f'El mejor vendedor del mes es {best_seller["seller_name"][0]} con un total de USD {best_seller["total_amount"][0]:0.2f} vendidos.')

El mejor vendedor del mes es Janel O'Curran con un total de USD 192832.47 vendidos.

# RESOLUCIÓN GRÁFICA plt.figure(figsize=(14,10)) color_max = ['grey' if (x < max(best_seller['total_amount'])) else '#ff725e' for x in best_seller['total_amount']] sns.barplot(y='seller_name', x='total_amount', data=best_seller, palette= color_max, orient = 'h') plt.ylabel("Vendedor") plt.xlabel("Monto total (USD)") plt.show()

# RESOLUCIÓN ANALÍTICA best_week = my_df.groupby(['week'])['total_amount'].sum().reset_index() # Defino total_amount por quincenas para utilizar luego amount_quincena1 = best_week["total_amount"][0] + best_week["total_amount"][1] amount_quincena2 = best_week["total_amount"][2] + best_week["total_amount"][3] # Ordeno las semanas por total_amount best_week = best_week.sort_values(by = 'total_amount', ascending=False).reset_index(drop=True) best_week.round(2)

weekint64

total_amountfloat64

507458.81

415364.44

329140.03

223844.56

# Promedio de la diferencia monto total entre semanas dif12 = best_week["total_amount"][0] - best_week["total_amount"][1] dif23 = best_week["total_amount"][1] - best_week["total_amount"][2] dif34 = best_week["total_amount"][2] - best_week["total_amount"][3] mean_dif = (dif12 + dif23 + dif34)/3 mean_dif.round(2) print(f"El promedio de la diferencia monto total entre semanas es USD {mean_dif:0.2f}")

El promedio de la diferencia monto total entre semanas es USD 94538.08

# ¿Hay variaciones a lo largo del mes? # ¿Esa diferencia promedio es cero o distinta de cero? if mean_dif == 0: print(f'No hay variaciones de ventas a lo largo del mes.') else: print(f'Hay variaciones de ventas a lo largo del mes.') print(f'La diferencia de monto total entre semanas fue USD {mean_dif:0.2f} en promedio.') # Mejor semana: best_week["week"][0] datos ordenados en forma descendente print(f'La semana {best_week["week"][0]} es la mejor del mes con un total de USD {best_week["total_amount"][0]:0.2f} vendidos.') # Peor semana: best_week["week"][3] datos ordenados en forma descendente print(f'Por otro lado, la semana {best_week["week"][3]} es la peor del mes con un total de USD {best_week["total_amount"][3]:0.2f} vendidos.') # Campaña de promociones print("Se sugiere lanzar una campaña de promociones en la quincena que menor monto de ventas obtuvo.") if amount_quincena1 < amount_quincena2: print(f'En base a los resultados, se debería lanzar en la primera quincena del mes.') else: print(f'En base a los resultados, se debería lanzar en la segunda quincena del mes.')

Hay variaciones de ventas a lo largo del mes.
La diferencia de monto total entre semanas fue USD 94538.08 en promedio.
La semana 1 es la mejor del mes con un total de USD 507458.81 vendidos.
Por otro lado, la semana 4 es la peor del mes con un total de USD 223844.56 vendidos.
Se sugiere lanzar una campaña de promociones en la quincena que menor monto de ventas obtuvo.
En base a los resultados, se debería lanzar en la segunda quincena del mes.

# RESOLUCIÓN GRÁFICA plt.figure(figsize=(16,10)) sns.lineplot(x='week', y='total_amount', data=best_week, color= '#ff725e', marker="o") plt.xticks([1, 2, 3, 4]) plt.xlabel("Semana") plt.ylabel("Monto total (USD)") # Informo la diferencia promedio plt.text(3, 480000, "Promedio de la diferencia monto total entre semanas (USD):", horizontalalignment='center', size='x-large', color='black') plt.text(3, 460000, mean_dif.round(2), horizontalalignment='center', size='xx-large', color='black') plt.show()

# RESOLUCIÓN ANALÍTICA # Monto total por país amounts_country = my_df.groupby(['country_name'])['total_amount'].sum().reset_index() amounts_country = amounts_country.sort_values(by = 'total_amount', ascending=False).reset_index(drop=True)

# Media monto total por país mean_amounts_country = amounts_country["total_amount"].mean() print(f'La media del monto total por país es USD {mean_amounts_country:0.2f}')

La media del monto total por país es USD 92237.99

# Nueva columna con tot_amount - mean_amounts_country amounts_country['mean_diff'] = amounts_country.total_amount - mean_amounts_country amounts_country.round(2)

country_nameobject

Brazil6.3%

Argentina6.3%

14 others87.5%

total_amountfloat64

1265.43 - 441271.85

Brazil

441271.85

Argentina

205832.78

Colombia

177514.29

Peru

161421.12

Mexico

138619.99

Venezuela

77684.52

El Salvador

57391.26

Guatemala

52579.25

Honduras

36763.56

Costa Rica

34606.5

# Mejores países best_countries = [] for i in range(0, len(amounts_country)): if amounts_country['mean_diff'][i] > 0: best_countries.append(amounts_country['country_name'][i]) else: pass print(", ".join(best_countries), 'son los países cuyos montos totales de ventas sobrepasan la media.') print('Estos representan los mejores países respecto al monto total de ventas.') print('Para aquellos países por debajo de la media') print('se deberían aplicar diferentes estrategias de marketing para aumentar sus montos.')

Brazil, Argentina, Colombia, Peru, Mexico son los países cuyos montos totales de ventas sobrepasan la media.
Estos representan los mejores países respecto al monto total de ventas.
Para aquellos países por debajo de la media
se deberían aplicar diferentes estrategias de marketing para aumentar sus montos.

# RESOLUCIÓN GRÁFICA plt.figure(figsize=(16,8)) two_colors = ['grey' if (x < 0) else '#ff725e' for x in amounts_country['mean_diff']] sns.barplot(x='country_name', y='mean_diff', data=amounts_country, palette = two_colors) # Informo la media monto total en gráfico plt.text(12, 340000, "Media monto total países (USD)", horizontalalignment='center', size='x-large', color='black') plt.text(12, 310000, mean_amounts_country.round(2), horizontalalignment='center', size='xx-large', color='black') plt.xlabel("País") plt.ylabel("Diferencia monto total y media (USD)") plt.xticks(rotation=90) plt.show()

# Del dataframe articles_country retener solo aquellos que corresponden a los 5 artículos más vendidos five_articles_country = articles_country[articles_country['article_name'].isin(list_top_five_articles)] five_articles_country = five_articles_country.reset_index(drop=True) cols_ord = ['article_name', 'country_name', 'quantity'] five_articles_country = five_articles_country[cols_ord] five_articles_country

article_nameobject

Netbook22.6%

Mouse20.8%

3 others56.6%

country_nameobject

Brazil9.4%

Colombia9.4%

13 others81.1%

SDD

Argentina

Mouse

Argentina

Netbook

Argentina

HDD

Argentina

Netbook

Bolivia

SDD

Brazil

Tablet

Brazil

Netbook

Brazil

Mouse

Brazil

HDD

Brazil

# RESOLUCIÓN GRÁFICA plt.figure(figsize=(16,10)) five_articles_country = five_articles_country.sort_values(by = 'quantity', ascending=False).reset_index(drop=True) # Orden por cant sns.scatterplot(y="country_name", x="quantity", data=five_articles_country, hue="article_name", s=200, palette = "Set2") plt.ylabel("País") plt.xlabel("Cantidad (unidades)") plt.legend(title='Mejores cinco artículos', loc='lower right') plt.show()

# Cinco artículos más vendidos print(", ".join(list_top_five_articles), 'son los cinco artículos más vendidos en cantidad.') print("En el gráfico se pueden observar las unidades vendidas en cada país.")

HDD, Tablet, SDD, Mouse, Netbook son los cinco artículos más vendidos en cantidad.
En el gráfico se pueden observar las unidades vendidas en cada país.

# Mejor país best_country = amounts_country['country_name'][0] print(f'El mejor país respecto al monto total de venta es {best_country}.')

El mejor país respecto al monto total de venta es Brazil.

# RESOLUCIÓN ANALÍTICA # Montos totales de artículos por país amount_articles_country = my_df.groupby(['country_name', 'article_name'])['total_amount'].sum().reset_index() amount_articles_country = amount_articles_country.sort_values(by = 'total_amount', ascending=False).reset_index(drop=True) # Del dataframe amount_articles_country retener solo best_country amount_articles_bestcountry = amount_articles_country[amount_articles_country['country_name']==best_country] # Del dataframe amount_articles_bestcountry retener solo aquellos que corresponden a los 5 artículos más vendidos amount_articles_bestcountry = amount_articles_bestcountry[amount_articles_bestcountry['article_name'].isin(list_top_five_articles)] amount_articles_bestcountry = amount_articles_bestcountry.sort_values(by = 'total_amount', ascending=False).reset_index(drop=True) amount_articles_bestcountry.round(2)

country_nameobject

article_nameobject

Brazil

Tablet

Brazil

Netbook

Brazil

HDD

Brazil

SDD

Brazil

Mouse

print(f'En {best_country}, el artículo {amount_articles_bestcountry["article_name"][0]} representó un monto total de USD {amount_articles_bestcountry["total_amount"][0]} vendidos.') print(f'Este fue seguido por los artículos {amount_articles_bestcountry["article_name"][1]}, {amount_articles_bestcountry["article_name"][2]} y {amount_articles_bestcountry["article_name"][3]}.') print(f'El último lugar fue para el artículo {amount_articles_bestcountry["article_name"][4]} que representó un monto total de USD {amount_articles_bestcountry["total_amount"][4]:0.2f} vendidos.')

En Brazil, el artículo Tablet representó un monto total de USD 20280.0 vendidos.
Este fue seguido por los artículos Netbook, HDD y SDD.
El último lugar fue para el artículo Mouse que representó un monto total de USD 2030.10 vendidos.

# RESOLUCIÓN GRÁFICA plt.figure(figsize=(16,10)) sns.barplot(y='article_name', x='total_amount', data=amount_articles_bestcountry, color= '#ff725e', orient = 'h') plt.ylabel("Artículo") plt.xlabel("Monto total (USD)") # Informo mejor país en gráfico plt.text(18750, 4, "Mejor país:", horizontalalignment='center', size='x-large', color='black') plt.text(18750, 4.3, best_country, horizontalalignment='center', size='xx-large', color='black') plt.show()