# 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 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) # 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)

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 índice del df de artículos df_artic = df_articles.set_index('article_id',inplace = False) # Agrego algunas columnas y pongo el campo que me va a servir de "ancla" para acordarme 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_articles está indexado por article_id, lo uso para ubicarme en # el registro que busco # 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 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)

# 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['quantity'].head(1) )

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

# 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)

# RESOLUCIÓN GRÁFICA # plt.pie(x=df_monto_articulo_ord['total_amount'], labels=df_monto_articulo_ord.index) # plt.show() plt.barh(df_monto_articulo_ord.index, df_monto_articulo_ord['total_amount'] , height=0.7, color = "pink") plt.title("Ingresos por artículo") plt.show()

# 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']])

# RESOLUCIÓN GRÁFICA from palettable.scientific.sequential import Acton_15 plt.figure(figsize = (15,5)) bar_mv = plt.bar(df_monto_vendedor_ord.index, df_monto_vendedor_ord['total_amount'], color = Acton_15.hex_colors, width = 0.8) plt.bar_label(bar_mv) plt.xticks(rotation=45, ha="right") plt.title("Ventas en $ por vendedor") plt.show()

# RESOLUCIÓN ANALÍTICA df_venta_semanal = my_df.groupby(by='week').sum().sort_values('total_amount',ascending=False) df_venta_semanal["week"] = df_venta_semanal.index print(df_venta_semanal['total_amount'])

# RESOLUCIÓN GRÁFICA from palettable.scientific.diverging import Tofino_4 bar_vs = plt.bar(df_venta_semanal.index,df_venta_semanal['total_amount'], width=0.8, color = Tofino_4.hex_colors, edgecolor = "black") plt.xticks(df_venta_semanal["week"], labels = ["Semana 1", "Semana 2", "Semana 3", "Semana 4"], rotation=45, ha = "right") plt.title("Ventas semanales en $") plt.bar_label(bar_vs, label_type = "center") plt.show()

# RESOLUCIÓN # ¿Cuál de los países es el comprador más importante? articulos_pais = my_df.groupby("country_name").sum().sort_values("quantity", ascending=False) articulos_pais.drop(["week", "total_amount"], axis = 1, inplace = True) articulos_pais["country"] = articulos_pais.index articulos_pais

from palettable.colorbrewer.qualitative import Pastel1_7 plt.pie(articulos_pais["quantity"], labels = articulos_pais["country"], autopct='%.1f%%', radius=3, colors=Pastel1_7.hex_colors, labeldistance=1.01) plt.title("Porcentaje de ventas por país", y = 1.8, fontdict = {"fontsize": 30 }) plt.show()

# RESOLUCIÓN # ¿Cuántos artículos se vendieron por semana? articulos_semana = my_df.groupby("week").sum().sort_values("quantity", ascending=False) articulos_semana.drop(["total_amount"], axis = 1, inplace = True) articulos_semana["week"] = articulos_semana.index articulos_semana.rename(columns = {"week" : "semana", "quantity" : "cantidad"}, inplace = True) articulos_semana = articulos_semana[["semana", "cantidad"]] articulos_semana

# RESOLUCIÓN ventas_pais = my_df.groupby("country_name").sum().sort_values("total_amount", ascending=False) ventas_pais.drop(["week", "quantity"], axis = 1, inplace = True) ventas_pais["country"] = ventas_pais.index ventas_pais.rename(columns = {"total_amount" : "monto_total", "country":"pais"}, inplace = True) ventas_pais = ventas_pais[["pais", "monto_total"]] ventas_pais

my_range=range(1,len(ventas_pais.index)+1) # The horizontal plot is made using the hline function plt.hlines(y=my_range, xmin=0, xmax=ventas_pais['monto_total'], color='green') plt.plot(ventas_pais['monto_total'], my_range, "o", color = "green") # Add titles and axis names plt.yticks(my_range, ventas_pais['pais']) plt.title("Ventas por país", loc='left') plt.xlabel('Ventas en $') plt.ylabel('Pais') plt.show()