# 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 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()) # head() 5 Filas por defecto print('\nFormato del dataframe') print(df_articles.shape) print('\nBúsqueda de valores null 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()) # head() 5 Filas por defecto print('\nFormato del dataframe') print(df_sellers.shape) print('\nBúsqueda de valores null 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()) # head() 5 Filas por defecto print('\nFormato del dataframe') print(df_orders.shape) print('\nBúsqueda de valores null 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)

# https://pandas.pydata.org/docs/user_guide/indexing.html # https://towardsdatascience.com/how-to-use-loc-and-iloc-for-selecting-data-in-pandas-bd09cb4c3d79 # https://stackoverflow.com/questions/28754603/indexing-pandas-data-frames-integer-rows-named-columns my_df = df_orders.copy() # shallow copy # Cambio el indice 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']) # print(df_articles) # print() # my_df for i in range(max(my_df.count())): # print(i) # 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 (article_name) de df_articles (tabla) # print(df_articles.loc[my_df.loc[i ,'article_id']]['article_name']) article = df_articles.loc[my_df.loc[i ,'article_id']]['article_name'] # print(article) # Asignar a cada valor id de la columna 'article_name' de my_df, el nombre del artículo my_df.loc[i, 'article_name'] = article #my_df # 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'] #my_df # Columna de 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 de my_df my_df.drop(['order_id', 'article_id', 'seller_id'], axis='columns', inplace=True) print(my_df)

# my_df.loc[:, 'quantity'] # my_df.loc[:, ['quantity','country_name']] # my_df.loc[0:5, ['quantity','country_name']] # my_df.iloc[:, 1] # my_df.iloc[:, [1,2]] # my_df.iloc[0:6, [1,2]] my_df.iloc[0:5, [1,2]]

# RESOLUCIÓN ANALÍTICA # Si no filtro por 'quantity' toma las series numéricas # df7 = my_df.groupby(by='article_name').sum().sort_values('quantity', ascending=False) # print(df7.head()) # print(df7[['quantity']].head()) # print() # Tomamos article_name como una columna más # df7 = my_df.groupby(by='article_name').sum().sort_values('quantity', ascending=False).reset_index() # print(df7.head()) # df7_2 = df7[['article_name', 'quantity']].groupby('article_name').sum('quantity').sort_values('quantity', ascending=False) # print(df7_2.head()) # print() # print(df7_2.head().index) # print(df7_2.index[0]) # toma correctamente el index # Vista tipo Serie # df7 = my_df.groupby(by='article_name')['quantity'].sum().sort_values(ascending=False).head() # df7 = my_df.groupby(by='article_name')[['quantity'] + ['total_amount']].sum().sort_values('quantity',ascending=False).head() # print(df7) # print(df7.head().index) # Vista tipo Serie # df7 = my_df.groupby(by='article_name')['quantity'].sum().sort_values(ascending=False) # print(df7.iloc[0:5]) # Vista tipo Serie (reset index) # df7 = my_df.groupby(by='article_name')['quantity'].sum().sort_values(ascending=False).reset_index() # print(df7.iloc[0:5]) # Vista tipo Serie # df7 = my_df.groupby(by='article_name')['quantity'].sum().sort_values(ascending=False) # df7 = my_df.groupby(by='article_name').sum().sort_values('quantity', ascending=False) # print(df7.loc['HDD':'Netbook']) # print(df7.loc['HDD':'Netbook']['quantity']) # print(df7.head()) # df7 = my_df.groupby(by='article_name').agg({'quantity':'sum'}).sort_values('quantity',ascending=False) # print(df7.head()) # df7 = my_df.groupby(by='article_name').agg({'quantity':'sum'}).rename(columns={'quantity':'Cantidad'}).sort_values('Cantidad',ascending=False) # print(df7.head()) # df7 = my_df.groupby(by='article_name').agg({'quantity':'sum'}).reset_index().rename(columns={'quantity':'Cantidad'}).sort_values('Cantidad',ascending=False) # print(df7.head()) df7 = my_df.groupby(by='article_name').sum().sort_values('quantity', ascending=False).head() pd.options.display.float_format= '$ {:,.2f}'.format # print(df7[['quantity']].head()) # print(df7[['quantity', 'total_amount']].head(5)) print(df7[['quantity', 'total_amount']])

# RESOLUCIÓN GRÁFICA # Opción 1 - Count # sns.countplot(my_df, x='article_name') # Opción - barplot sns.barplot(data=df7, x=df7.index, y='quantity') # Opción 3 - barplot # xs = ['HDD', 'Tablet', 'SDD', 'Mouse', 'Netbook'] # ys = [413, 374, 372, 322, 320] # sns.barplot(x=xs, y=ys) plt.xticks(rotation=90) # 'vertical' plt.show()

# RESOLUCIÓN ANALÍTICA df2 = my_df.groupby(by='article_name').sum().sort_values('total_amount', ascending=False).head(5) pd.options.display.float_format= '$ {:,.2f}'.format print(df2['total_amount']) # 'article_name' es el index # print() # print(df2.index[0]) # print() # print(df2.reset_index().iloc[0]) # print() # for i in range(5): # # print(df2.index[i]) # print(df2.reset_index().iloc[i]) # print() # print() # print(df2.reset_index())

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

# 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']].head(5))

# RESOLUCIÓN GRÁFICA plt.bar(df4.index, df4['total_amount']) plt.xticks(rotation=90) plt.show()

# 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']])

# RESOLUCIÓN GRÁFICA plt.bar(df5.index, df5['total_amount']) plt.show()

# RESOLUCIÓN ANALÍTICA cantidad_de_ventas_por_pais = my_df.loc[:,['country_name','quantity','total_amount']].groupby('country_name').sum().sort_values('quantity', ascending=False) ventas_grafico = cantidad_de_ventas_por_pais.head() print(ventas_grafico) # RESOLUCIÓN GRÁFICA sns.barplot(data=ventas_grafico, x=ventas_grafico.index, y='quantity',palette='BrBG') plt.xlabel("Países") plt.ylabel("Cantidad") plt.show()

# RESOLUCIÓN ANALÍTICA print(df4.head()) print() print("MEJOR VENDEDOR: Janel O'Curran") mejor_vendedor = my_df[my_df['seller_name'] == "Janel O'Curran"] mejor_vendedor_cantidad = mejor_vendedor.groupby(by='total_amount').sum().sort_values('quantity', ascending=False) print(mejor_vendedor_cantidad.head()) # RESOLUCIÓN GRÁFICA sns.pointplot(data=mejor_vendedor_cantidad, x="week", y="quantity", color='darkred') plt.xlabel("Semana") plt.ylabel("Cantidad") plt.show()

# RESOLUCIÓN ANALÍTICA producto_mas_vendido = my_df[my_df['article_name'] == 'Full Pc'] pais_ventas = producto_mas_vendido.groupby(by='country_name').sum().sort_values('total_amount', ascending=False) pais_ventas_grafico = pais_ventas.head() print(pais_ventas_grafico) # RESOLUCIÓN GRÁFICA plt.pie(x=pais_ventas_grafico['total_amount'], labels=pais_ventas_grafico.index, autopct='%1.2f%%') plt.show()