TP integrador - Ramon Gonzalez

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

Collecting openpyxl==3.0.10
  Downloading openpyxl-3.0.10-py2.py3-none-any.whl (242 kB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 242.1/242.1 KB 24.5 MB/s eta 0:00:00
Collecting et-xmlfile
  Downloading et_xmlfile-1.1.0-py3-none-any.whl (4.7 kB)
Installing collected packages: et-xmlfile, openpyxl
Successfully installed et-xmlfile-1.1.0 openpyxl-3.0.10
WARNING: You are using pip version 22.0.4; however, version 22.1.2 is available.
You should consider upgrading via the '/root/venv/bin/python -m pip install --upgrade pip' command.

# imports import numpy as np import pandas as pd import sqlite3 as sql3 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']) print(df_articles)

    article_id      article_name unit_price
0        20015        Smartphone     525.00
1        20016           Full Pc    2127.81
2        20017           Monitor     230.00
3        20018            Tablet     130.00
4        20019              Desk     130.10
5        20020             Chair     335.64
6        20021             Modem      67.50
7        20022    Range Extender      20.45
8        20023          Notebook    1000.00
9        20024           Netbook     145.00
10       20025               HDD      54.62
11       20026               SDD      22.00
12       20027        Ram Memory      35.95
13       20028       Motherboard     138.38
14       20029             Mouse      30.30
15       20030        Fan Cooler       4.25
16       20031            Webcam      20.07
17       20032          Keyboard      22.60
18       20033        Headphones      23.30
19       20034           Scanner     185.00
20       20035              Case      37.90
21       20036        Video Card     131.50
22       20037               CPU     139.62
23       20038      Power Supply      43.95
24       20039     Water Cooling      67.50
25       20040          Heatsink      10.00
26       20041         Usb Cable       2.95
27       20042        Sata Cable       2.14
28       20043  Pci Express Port      10.12
29       20044        Wi-Fi Card      59.61
30       20045    Mesh Wi-Fi X 2      32.50

# VENDEDORES df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0) print(df_sellers)

                 seller_name
seller_id                   
1           Aveline Swanwick
2                   Jase Doy
3          Oliviero Charkham
4           Cornie Wynrehame
5                Ewell Peres
6           Milly Christoffe
7                 Kati Innot
8              Tobin Roselli
9               Onida Cosely
10           Cirilo Grandham
11           Vasily Danilyuk
12          Brockie Patience
13           Arnold Kilkenny
14            Janel O'Curran
15           Daisie Slograve

# ÓRDENES df_orders=pd.read_csv('/work/data/orders.csv') print(df_orders)

     order_id  week  article_id  quantity  seller_id country_name
0       15024     1       20039        10         10         Peru
1       15025     1       20029        15          5         Peru
2       15026     1       20024         5         14      Bolivia
3       15027     1       20018         9         14       Brazil
4       15028     1       20035         6         15       Mexico
..        ...   ...         ...       ...        ...          ...
995     16019     4       20021         1          7       Brazil
996     16020     4       20040        15         15       Brazil
997     16021     4       20040         2         11     Colombia
998     16022     4       20018        14         11       Brazil
999     16023     4       20026        12          9       Brazil

[1000 rows x 6 columns]

# Exploración del df de artículos print('Muestra de los datos') print(df_articles.head()) print('\nFormato del dataframe') print(df_articles.shape) print('\nBúsqueda de valores nulos') print(df_articles.isnull().sum()) print('\nFormato de los datos por columna') print(df_articles.dtypes)

Muestra de los datos
   article_id article_name unit_price
0       20015   Smartphone     525.00
1       20016      Full Pc    2127.81
2       20017      Monitor     230.00
3       20018       Tablet     130.00
4       20019         Desk     130.10

Formato del dataframe
(31, 3)

Búsqueda de valores nulos
article_id      0
article_name    0
unit_price      0
dtype: int64

Formato de los datos por columna
article_id       int64
article_name    object
unit_price      object
dtype: object

# Exploración del df de vendedores print('Muestra de los datos') print(df_sellers.head()) print('\nFormato del dataframe') print(df_sellers.shape) print('\nBúsqueda de valores nulos') print(df_sellers.isnull().sum()) print('\nFormato de los datos por columna') print(df_sellers.dtypes)

Muestra de los datos
                 seller_name
seller_id                   
1           Aveline Swanwick
2                   Jase Doy
3          Oliviero Charkham
4           Cornie Wynrehame
5                Ewell Peres

Formato del dataframe
(15, 1)

Búsqueda de valores nulos
seller_name    0
dtype: int64

Formato de los datos por columna
seller_name    object
dtype: object

# Exploración del df de órdenes print('Muestra de los datos') print(df_orders.head()) print('\nFormato del dataframe') print(df_orders.shape) print('\nBúsqueda de valores nulos') print(df_orders.isnull().sum()) print('\nFormato de los datos por columna') print(df_orders.dtypes)

Muestra de los datos
   order_id  week  article_id  quantity  seller_id country_name
0     15024     1       20039        10         10         Peru
1     15025     1       20029        15          5         Peru
2     15026     1       20024         5         14      Bolivia
3     15027     1       20018         9         14       Brazil
4     15028     1       20035         6         15       Mexico

Formato del dataframe
(1000, 6)

Búsqueda de valores nulos
order_id        0
week            0
article_id      0
quantity        0
seller_id       0
country_name    0
dtype: int64

Formato de los datos por columna
order_id         int64
week             int64
article_id       int64
quantity         int64
seller_id        int64
country_name    object
dtype: object

# cambio el tipo de dato de 'unit_price' a float df_articles['unit_price'] = df_articles['unit_price'].astype(float) print(df_articles.dtypes)

article_id        int64
article_name     object
unit_price      float64
dtype: object

# cambio el índice del df_articles por la columna article_id df_articles.set_index('article_id', inplace=True) print(df_articles.head())

           article_name  unit_price
article_id                         
20015        Smartphone      525.00
20016           Full Pc     2127.81
20017           Monitor      230.00
20018            Tablet      130.00
20019              Desk      130.10

# creo una copia del df_orders my_df = df_orders.copy() # agrego algunas columnas extra que necesito y las lleno con los códigos id que las vinculan con los otros df 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(my_df.head())

   order_id  week  article_id  quantity  seller_id country_name  article_name  \
0     15024     1       20039        10         10         Peru         20039   
1     15025     1       20029        15          5         Peru         20029   
2     15026     1       20024         5         14      Bolivia         20024   
3     15027     1       20018         9         14       Brazil         20018   
4     15028     1       20035         6         15       Mexico         20035   

   total_amount  seller_name  
0         20039           10  
1         20029            5  
2         20024           14  
3         20018           14  
4         20035           15

# Reemplazo los valores en las nuevas columnas del df for i in range(len(my_df.index)): article = df_articles.loc[my_df.loc[i]['article_name']]['article_name'] my_df.loc[i,'article_name'] = article my_df.loc[i,'total_amount'] = my_df.loc[i,'quantity'] * df_articles.loc[my_df.loc[i]['total_amount']]['unit_price'] my_df.loc[i,'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_name']]['seller_name'] print(my_df.head())

   order_id  week  article_id  quantity  seller_id country_name  \
0     15024     1       20039        10         10         Peru   
1     15025     1       20029        15          5         Peru   
2     15026     1       20024         5         14      Bolivia   
3     15027     1       20018         9         14       Brazil   
4     15028     1       20035         6         15       Mexico   

    article_name  total_amount      seller_name  
0  Water Cooling         675.0  Cirilo Grandham  
1          Mouse         454.5      Ewell Peres  
2        Netbook         725.0   Janel O'Curran  
3         Tablet        1170.0   Janel O'Curran  
4           Case         227.4  Daisie Slograve

# Borrar las columnas que no voy a utilizar my_df.drop(['order_id','article_id','seller_id'], axis='columns', inplace=True) print(my_df.head())

   week  quantity country_name   article_name  total_amount      seller_name
0     1        10         Peru  Water Cooling         675.0  Cirilo Grandham
1     1        15         Peru          Mouse         454.5      Ewell Peres
2     1         5      Bolivia        Netbook         725.0   Janel O'Curran
3     1         9       Brazil         Tablet        1170.0   Janel O'Curran
4     1         6       Mexico           Case         227.4  Daisie Slograve

d1=pd.DataFrame({'mes': ['ene','feb','mar','abr'], 'ventas':[10,20,30,15]}) d2=pd.DataFrame({'mes': ['ene','feb','mar','abr'], 'costos':[7,16,25,12]}) print(pd.merge(d1,d2))

   mes  ventas  costos
0  ene      10       7
1  feb      20      16
2  mar      30      25
3  abr      15      12

print(my_df.head())

   week  quantity country_name   article_name  total_amount      seller_name
0     1        10         Peru  Water Cooling         675.0  Cirilo Grandham
1     1        15         Peru          Mouse         454.5      Ewell Peres
2     1         5      Bolivia        Netbook         725.0   Janel O'Curran
3     1         9       Brazil         Tablet        1170.0   Janel O'Curran
4     1         6       Mexico           Case         227.4  Daisie Slograve

# RESOLUCIÓN ANALÍTICA df2 = my_df.groupby('article_name').sum() por_cant = df2.sort_values('quantity', ascending=False) print(por_cant['quantity'].head(1))

article_name
HDD    413
Name: quantity, dtype: int64

# RESOLUCIÓN GRÁFICA sns.barplot(x=df2.index,y=df2['quantity'],data=df2,order=df2.sort_values('quantity', ascending=False).index) plt.xticks(rotation=90) plt.show()

# RESOLUCIÓN ANALÍTICA df3=(my_df.groupby('article_name').sum()).sort_values('total_amount', ascending=False).head(1) print(df3['total_amount'])

article_name
Full Pc    538335.93
Name: total_amount, dtype: float64

# RESOLUCIÓN GRÁFICA plt.pie(x=df3['total_amount'],labels=df3.index) plt.show()

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

Respuesta:
                   total_amount
seller_name                    
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
Onida Cosely           77373.37
Milly Christoffe       61733.69
Tobin Roselli          56984.42
Cornie Wynrehame       52253.57
Cirilo Grandham        45009.40

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

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

      quantity  total_amount
week                        
1         2449     507458.81
2         2444     415364.44
3         2114     329140.03
4         1058     223844.56

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

# BY CECILIA plt.plot(df5.index, df5["total_amount"]) plt.show()

# RESOLUCIÓN ANALITICA df6 =(my_df.groupby('country_name').sum()).sort_values('total_amount', ascending=False) print('Los 10 paises que mas compraron son:') df6 = df6.head(10) print(df6['total_amount'].head(10))

Los 10 paises que mas compraron son:
country_name
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      34606.50
Name: total_amount, dtype: float64

# RESOLUCIÓN grafica plt.pie(x=df6['total_amount'],labels=df6.index) plt.show()

# 1) Obtener el total de articulo por pais df_art_pais = my_df.groupby(['country_name', 'article_name']).sum() # 2) Obtener lista de paises paises = my_df.groupby('country_name').sum().index.values # 3) Crear el dataframe final df_pregunta = pd.DataFrame(columns=['Articulo', 'Cantidad'], index=paises) #creamos el bucle for p in paises: df = df_art_pais.loc[p] v = df.max()['quantity'] s = df[(df['quantity'] == v)].index[0] df_pregunta.loc[p] = {'Articulo': s, 'Cantidad': v} #imprimimos respuesta df_pregunta['Articulo'] = df_pregunta['Articulo'] print('Articulo mas vendido en cada pais:') print(df_pregunta)

Articulo mas vendido en cada pais:
                     Articulo Cantidad
Argentina                 CPU    104.0
Bolivia      Pci Express Port     34.0
Brazil                 Tablet    156.0
Chile                   Mouse     27.0
Colombia                  SDD     74.0
Costa Rica       Power Supply     32.0
Ecuador          Power Supply     24.0
El Salvador        Smartphone     22.0
Guatemala            Heatsink     25.0
Honduras       Mesh Wi-Fi X 2     28.0
Mexico                    HDD     63.0
Paraguay           Headphones     24.0
Peru                    Mouse    125.0
Puerto Rico               CPU      9.0
Uruguay           Motherboard     15.0
Venezuela          Smartphone     32.0

# RESOLUCIÓN # 1) Obtener el total de articulo por pais df_art_vendedor = my_df.groupby(['seller_name', 'article_name']).sum() # 2) Obtener lista de paises vendedores = my_df.groupby('seller_name').sum().index.values # 3) Crear el dataframe final df_pregunta = pd.DataFrame(columns=['Articulo', 'Cantidad'], index=vendedores) #creamos el bucle for p in vendedores: df = df_art_vendedor.loc[p] v = df.max()['quantity'] s = df[(df['quantity'] == v)].index[0] df_pregunta.loc[p] = {'Articulo': s, 'Cantidad': v} #imprimimos respuesta df_pregunta['Articulo'] = df_pregunta['Articulo'] print('Respuesta al enunciado::') print(df_pregunta.head(1))

Respuesta al enunciado::
                Articulo Cantidad
Arnold Kilkenny      CPU     55.0

df9 =(my_df.groupby('seller_name').mean()).sort_values('total_amount', ascending=False) print('El promedio de ventas por cada vendedor es') print((df9['total_amount']).head(5))

El promedio de ventas por cada vendedor es
seller_name
Brockie Patience     2503.682105
Janel O'Curran       2440.917342
Vasily Danilyuk      2050.119841
Oliviero Charkham    1990.560000
Daisie Slograve      1673.890417
Name: total_amount, dtype: float64

plt.plot(df9.index, df9["total_amount"]) plt.xticks(rotation=85) plt.show()

Luego de realizar el análisis de los datos de las ventas obtenidos de los Data sets, se puede concluir que a partir de la información graficada se pueden tomar decisiones tales como: cual es el mejor vendedor, que producto fue el que mas vendió, el articulo mas vendido, el pais que mas compro, entre otras.

En base a esto se considera que se debe hacer foco en reforzar las relaciones comerciales con los paises que mas compran y a su vez establecer planes de objetivos para los vendedores que tienen mas bajo performance, haciendo foco en esos productos que son los mas comprados y los que mayor ingreso representan.