TP Final Integrador - Com. 22045 - Rodrigo Bertuccelli

# 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) # 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 nulls por columna') print(df_articles.isnull().sum()) print('\nFormato de los datos por columna') print(df_articles.dtypes)

Muestra de 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 nulls por columna
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 datos') print(df_sellers.head()) # head() 5 Filas por defecto print('\nFormato del dataframe') print(df_sellers.shape) print('\nBúsqueda de valores nulls por columna') print(df_sellers.isnull().sum()) print('\nFormato de los datos por columna') print(df_sellers.dtypes)

Muestra de 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 nulls por columna
seller_name    0
dtype: int64

Formato de los datos por columna
seller_name    object
dtype: object

# 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 nulls por columna') print(df_orders.isnull().sum()) print('\nFormato de los datos por columna') print(df_orders.dtypes)

Muestra de 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 nulls por columna
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

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

my_df = df_orders.copy() # shallow copy o copia superficial (otro Objeto alojado en la memoria) # Cambio el índice 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']) # 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 # 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' (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'] # Columna de seller name my_df.loc[i, 'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_id']]['seller_name'] # elimimo las columnas que no necesito del df my_df.drop(['order_id', 'article_id', 'seller_id'], axis='columns', inplace=True) print(my_df)

     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
..    ...       ...          ...            ...           ...              ...
995     4         1       Brazil          Modem          67.5       Kati Innot
996     4        15       Brazil       Heatsink         150.0  Daisie Slograve
997     4         2     Colombia       Heatsink          20.0  Vasily Danilyuk
998     4        14       Brazil         Tablet        1820.0  Vasily Danilyuk
999     4        12       Brazil            SDD         264.0     Onida Cosely

[1000 rows x 6 columns]

# RESOLUCIÓN ANALÍTICA print(my_df['article_name'].value_counts()) # cuenta valores únicos

HDD                 47
Netbook             45
SDD                 45
Tablet              40
Usb Cable           39
Sata Cable          38
Pci Express Port    37
Range Extender      36
Smartphone          35
Headphones          34
Full Pc             34
Mouse               34
Power Supply        34
Heatsink            34
Motherboard         33
Water Cooling       32
Video Card          31
Ram Memory          31
Notebook            30
CPU                 29
Modem               29
Desk                28
Mesh Wi-Fi X 2      28
Webcam              28
Monitor             26
Case                26
Fan Cooler          25
Scanner             24
Chair               24
Wi-Fi Card          22
Keyboard            22
Name: article_name, dtype: int64

# RESOLUCIÓN GRÁFICA sns.displot(my_df, x='article_name') 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(df2) # agrupa (y suma) sólo datos numéricos # SINTAXIS ALTERNATIVA # pd.options.display.float_format= '$ {:,.2f}'.format # print(my_df[['article_name'] + ['total_amount']].groupby(['article_name']).sum().sort_values('total_amount', ascending=False).head(5))

article_name
Full Pc      $ 538,335.93
Notebook     $ 251,000.00
Smartphone   $ 152,250.00
Chair         $ 69,477.48
Tablet        $ 48,620.00
Name: total_amount, dtype: float64

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

# 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']]) print(df4[['quantity'] + ['total_amount']].head(5)) # 'seller_name' es el index

                   quantity  total_amount
seller_name                              
Janel O'Curran          703  $ 192,832.47
Brockie Patience        441  $ 142,709.88
Oliviero Charkham       555  $ 141,329.76
Vasily Danilyuk         521  $ 129,157.55
Daisie Slograve         554  $ 120,520.11

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

# 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']]) # 'week' es el index

      quantity  total_amount
week                        
1         2449  $ 507,458.81
2         2444  $ 415,364.44
3         2114  $ 329,140.03
4         1058  $ 223,844.56

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

# RESOLUCIÓN # Ventas filtrado por país. Comparar 2 países # Cuál es el producto que más se vende, en qué cantidad # Resolución Analítica y Gráfica

5.1.1 Ventas por país - Resolución analítica

# Ventas filtrado por país # Resolución analítica print('Ventas por país') df6=(my_df.groupby(by='country_name').sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df6[['quantity'] + ['total_amount']])

Ventas por país
              quantity  total_amount
country_name                        
Brazil            2515  $ 441,271.85
Argentina          947  $ 205,832.78
Colombia           881  $ 177,514.29
Peru              1027  $ 161,421.12
Mexico             846  $ 138,619.99
Venezuela          320   $ 77,684.52
El Salvador        111   $ 57,391.26
Guatemala          202   $ 52,579.25
Honduras           303   $ 36,763.56
Costa Rica         145   $ 34,606.50
Chile              231   $ 24,660.98
Bolivia            181   $ 22,682.80
Uruguay             92   $ 17,843.09
Ecuador            129   $ 17,475.30
Paraguay           123    $ 8,195.12
Puerto Rico         12    $ 1,265.43

5.1.2 Ventas por país - Resolución gráfica

# Ventas filtrado por país # Resolución gráfica print("Ventas totales por país") sns.barplot(df6.index, df6['total_amount'],palette='magma') plt.xticks(rotation=60) plt.title("Ventas por país") plt.xlabel("País") plt.ylabel("Monto") plt.yticks(np.arange(0,450001,50000)) plt.show()

Ventas totales por país
/shared-libs/python3.9/py/lib/python3.9/site-packages/seaborn/_decorators.py:36: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  warnings.warn(

5.2.1 Comparación de 2 países - Resolución anlítica

# Cantidades y montos vendidos # Resolución analítica print("Cantidades y montos vendidos en los primeros 2 países") df6_2=(my_df.groupby(by='country_name').sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df6_2[['quantity'] + ['total_amount']].head(2)) df6_3= df6_2[['quantity'] + ['total_amount']].head(2) #Artículos mas vendidos en cada país #Resolución analítica print("\nTop artículos en Brasil") df_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')] print(df_brasil.groupby(['article_name']).agg({'quantity':'sum'}).sort_values('quantity', ascending=False)) df_brasil2=df_brasil.groupby(['article_name']).agg({'quantity':'sum'}).sort_values('quantity', ascending=False) df_brasil2_head = df_brasil2.head(5) print() print("\nTop artículos en Argentina") df_argentina = my_df.loc[my_df['country_name'] == 'Argentina'] print(df_argentina.groupby(['article_name']).agg({'quantity':'sum'}).sort_values('quantity', ascending=False)) df_argentina2=df_argentina.groupby(['article_name']).agg({'quantity':'sum'}).sort_values('quantity', ascending=False) df_argentina2_head = df_argentina2.head(5) df_argentina_total=df_argentina.groupby(['article_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False)

Cantidades y montos vendidos en los primeros 2 países
              quantity  total_amount
country_name                        
Brazil            2515  $ 441,271.85
Argentina          947  $ 205,832.78

Top artículos en Brasil
                  quantity
article_name              
Tablet                 156
HDD                    119
SDD                    117
Chair                  112
Pci Express Port       105
Heatsink               103
Power Supply           103
Motherboard            101
Desk                    97
Ram Memory              92
Modem                   92
Range Extender          90
Notebook                83
CPU                     82
Water Cooling           82
Netbook                 81
Video Card              80
Smartphone              79
Scanner                 78
Headphones              73
Case                    71
Mouse                   67
Mesh Wi-Fi X 2          65
Usb Cable               64
Full Pc                 63
Fan Cooler              58
Sata Cable              57
Webcam                  52
Keyboard                37
Wi-Fi Card              37
Monitor                 19


Top artículos en Argentina
                  quantity
article_name              
CPU                    104
SDD                     73
HDD                     68
Range Extender          58
Fan Cooler              47
Ram Memory              46
Mesh Wi-Fi X 2          46
Full Pc                 45
Notebook                43
Motherboard             39
Netbook                 39
Sata Cable              38
Power Supply            32
Usb Cable               32
Keyboard                31
Modem                   27
Smartphone              25
Water Cooling           25
Case                    20
Headphones              19
Video Card              15
Monitor                 13
Wi-Fi Card              12
Scanner                 12
Webcam                  10
Desk                     9
Pci Express Port         7
Mouse                    6
Chair                    6

5.2.2 Comparación de 2 países - Resolución gráfica

# Cantidades y montos vendidos # Resolución gráfica print("Comparación de 2 países") sns.barplot(df6_3.index, df6_3['quantity'],palette='magma') plt.xticks(rotation=60) plt.title("Comparación de 2 países - Cantidades") plt.xlabel("País") plt.ylabel("Cantidad") plt.yticks(np.arange(0,3501,200)) plt.show() print("Comparación de 2 países") sns.barplot(df6_3.index, df6_3['total_amount'],palette='magma') plt.xticks(rotation=60) plt.title("Comparación de 2 países - Monto total") plt.xlabel("País") plt.ylabel("Monto") plt.yticks(np.arange(0,450001,25000)) plt.show() #Artículos mas vendidos en cada país #Resolución gráfica sns.barplot(df_argentina2_head.index, df_argentina2_head['quantity'],palette='magma') plt.xticks(rotation=60) plt.title("Top artículos Argentina - Cantidades") plt.xlabel("País") plt.ylabel("Cantidad") plt.yticks(np.arange(0,201,10)) plt.show() sns.barplot(df_brasil2_head.index, df_brasil2_head['quantity'],palette='magma') plt.xticks(rotation=60) plt.title("Top artículos Brasil - Cantidades") plt.xlabel("País") plt.ylabel("Cantidad") plt.yticks(np.arange(0,201,10)) plt.show()

Comparación de 2 países
/shared-libs/python3.9/py/lib/python3.9/site-packages/seaborn/_decorators.py:36: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  warnings.warn(

Comparación de 2 países
/shared-libs/python3.9/py/lib/python3.9/site-packages/seaborn/_decorators.py:36: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  warnings.warn(

/shared-libs/python3.9/py/lib/python3.9/site-packages/seaborn/_decorators.py:36: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  warnings.warn(

/shared-libs/python3.9/py/lib/python3.9/site-packages/seaborn/_decorators.py:36: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  warnings.warn(

# RESOLUCIÓN # Evolución de Ventas por producto. # Tomar 2 países y 'week' como variable categórica # Resolución Analítica y Gráfica

6.1.1 Evolución de ventas - Resolución analítica

# Evolución de ventas - Cantidades de productos en cada semana # Resolución analítica print("Cantidades por semana en Brasil") df_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')] print(df_brasil.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)) df_brasil2=df_brasil.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True) print() print("Cantidades por semana en Argentina") df_argentina = my_df.loc[my_df['country_name'] == 'Argentina'] print(df_argentina.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)) df_argentina2=df_argentina.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)

Cantidades por semana en Brasil
      quantity
week          
1           94
2           89
3           83
4           49

Cantidades por semana en Argentina
      quantity
week          
1           32
2           48
3           19
4           14

6.1.2 Evolución de ventas - Resolución gráfica

# Evolución de ventas - Cantidades de productos en cada semana # Resolución gráfica plt.plot(df_argentina2, 'k*--',label = 'Argentina') plt.plot(df_brasil2, 'ro:',label = 'Brasil') plt.legend() plt.xlabel('Semana') plt.ylabel('Cantidad') plt.yticks(np.arange(0,101,10)) plt.xticks(np.arange(1,5,1)) plt.grid() plt.show()

# RESOLUCIÓN # Mejor vendedor/producto por país # Resolución Analítica y Gráfica

7.1.1 Vendedores y productos - Resolución analítica

# Mejor vendedores y artículo más vendido por ellos - Argentina # Resolución analítica print ("Mejor vendedores y artículo más vendido por ellos en Argentina") df_vend_art_arg = df_argentina.set_index(['seller_name']).sort_index(ascending=[True]) pd.options.display.float_format= '$ {:,.2f}'.format df_vend_art_arg.groupby(['seller_name','article_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False) print(df_vend_art_arg.groupby(['seller_name','article_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False).head(10)) df_vend_art_arg_2 = df_vend_art_arg.groupby(['seller_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False).head(10)

Mejor vendedores y artículo más vendido por ellos en Argentina
                                total_amount
seller_name       article_name              
Brockie Patience  Full Pc        $ 31,917.15
Janel O'Curran    Full Pc        $ 23,405.91
Oliviero Charkham Full Pc        $ 21,278.10
Vasily Danilyuk   Notebook       $ 11,000.00
Onida Cosely      Full Pc        $ 10,639.05
Tobin Roselli     Notebook       $ 10,000.00
Vasily Danilyuk   Full Pc         $ 8,511.24
Daisie Slograve   Notebook        $ 8,000.00
Vasily Danilyuk   Smartphone      $ 6,825.00
Janel O'Curran    Smartphone      $ 6,300.00

# Mejor vendedores y artículo más vendido por ellos - Brasil # Resolución analítica print ("Mejor vendedores y artículo más vendido por ellos en Brasil") df_vend_art_br = df_brasil.set_index(['seller_name']).sort_index(ascending=[True]) pd.options.display.float_format= '$ {:,.2f}'.format df_vend_art_br.groupby(['seller_name','article_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False) print(df_vend_art_br.groupby(['seller_name','article_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False).head(10)) df_vend_art_br_2 = df_vend_art_br.groupby(['seller_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False).head(10)

Mejor vendedores y artículo más vendido por ellos en Brasil
                               total_amount
seller_name      article_name              
Aveline Swanwick Full Pc        $ 40,428.39
Daisie Slograve  Full Pc        $ 25,533.72
                 Notebook       $ 23,000.00
Janel O'Curran   Full Pc        $ 19,150.29
Arnold Kilkenny  Full Pc        $ 17,022.48
Vasily Danilyuk  Full Pc        $ 17,022.48
Jase Doy         Full Pc        $ 14,894.67
Tobin Roselli    Notebook       $ 14,000.00
Milly Christoffe Smartphone     $ 13,125.00
Arnold Kilkenny  Notebook       $ 13,000.00

7.1.2 Vendedores y productos - Resolución gráfica

# Mejores vendedores en Argentina # Resolución gráfica print("Ventas totales por país") sns.barplot(df_vend_art_arg_2.index, df_vend_art_arg_2['total_amount'],palette='magma') plt.xticks(rotation=60) plt.title("Ventas por vendedor - Argentina") plt.xlabel("Vendedor") plt.ylabel("Monto") plt.yticks(np.arange(0,35001,5000)) plt.show()

Ventas totales por país
/shared-libs/python3.9/py/lib/python3.9/site-packages/seaborn/_decorators.py:36: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  warnings.warn(

# Mejores vendedores en Brasil # Resolución gráfica print("Ventas totales por país - Brasil") sns.barplot(df_vend_art_br_2.index, df_vend_art_br_2['total_amount'],palette='magma') plt.xticks(rotation=60) plt.title("Ventas por vendedor - Brasil") plt.xlabel("Vendedor") plt.ylabel("Monto") plt.yticks(np.arange(0,65001,5000)) plt.show()

Ventas totales por país - Brasil
/shared-libs/python3.9/py/lib/python3.9/site-packages/seaborn/_decorators.py:36: FutureWarning: Pass the following variables as keyword args: x, y. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
  warnings.warn(