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

# RESOLUCIÓN ANALÍTICA df_monto_articulo_ord = my_df.groupby('article_name').sum().sort_values('total_amount', ascending=False).head(5)

# 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=1.0) plt.ylabel("Articulo") plt.xlabel("Ventas totales (USD)") plt.show()

# RESOLUCIÓN ANALÍTICA df_monto_vendedor_ord = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending=False) mejor_vendedor = df_monto_vendedor_ord[['quantity']+['total_amount']].head(1).index[0] print(f"El mejor vendedor del mes es: {mejor_vendedor}")

# RESOLUCIÓN GRÁFICA plt.bar(df_monto_vendedor_ord.index, df_monto_vendedor_ord['total_amount']) plt.xticks(rotation=45, ha="right") plt.show()

# RESOLUCIÓN ANALÍTICA df_ventas_semanales = my_df.groupby(by="week").sum() print(df_ventas_semanales)

# RESOLUCIÓN GRÁFICA from matplotlib.ticker import StrMethodFormatter, FormatStrFormatter, MultipleLocator, ScalarFormatter plt.bar(df_ventas_semanales.index,df_ventas_semanales.total_amount) plt.title('Total de ventas por semana') plt.grid(True) plt.ylabel("Dolares") plt.xlabel("Semanas") plt.legend(labels=['Sales']) plt.tick_params(axis='x', labelrotation=45) semanas = list(set(my_df["week"])) plt.gca().set_xticks(semanas) plt.gca().yaxis.set_major_formatter(ScalarFormatter()) df_seller_montopais = my_df.groupby(['seller_name','country_name']).sum().sort_values('total_amount', ascending=False) plt.show()

# RESOLUCIÓN df_suma_semanas = my_df.groupby(["country_name",'week']).sum().reset_index() #Dataframe que tiene agrupado por pais y por semana (62 filas, 4 por pais) #print(a) indices_maximos = df_suma_semanas.groupby("country_name").agg(index_of_max_amount = ('total_amount', lambda data: data.idxmax())) # Esta es la serie que tiene los indices (numero de fila) que contienen los maximos de cada país df_suma_semanas_filtrado = df_suma_semanas.iloc[indices_maximos.index_of_max_amount] # Filtro el dataframe que agrupe al principio, trayendo solo los que coinciden con los indices de aquellos q son maximos, es decir, de las 62 filas le saco 3 filas por pais, dodne vuelve a dar 16 registros df_final = df_suma_semanas_filtrado[["country_name","week","total_amount"]] # Elimino la columnas quantity para mas claridad df_final.rename(columns={'country_name':'Pais','week':'Semana','total_amount':'Ventas Totales'})

# RESOLUCIÓN # Obtener un dataframe con ordenes solo de la semana 4 ordenes_semana_4 = my_df[my_df['week']==4] ordenes_semana_4 # ordenar por la cantidad de productos # limitar a los primero 5 print(ordenes_semana_4.sort_values('quantity', ascending=False).head(5)[['article_name','quantity']]) productos = ordenes_semana_4.sort_values('quantity', ascending=False).head(5)['article_name'].values leyenda = f""" Los 5 productos que tienen mas salida llegando a fin de mes son: """ print(leyenda) for indice,producto in enumerate(productos): print( f"""|{indice}->| {producto} """)