# imports
import numpy as np
import pandas as pd
import sqlite3 as sql3
import matplotlib.pyplot as plt
import seaborn as sns
import openpyxl # para levantar excel de otros paquetes (no office)
# 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'])
#df_articles
#Vendedores
df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0)
#df_sellers
#Ordenes
df_orders = pd.read_csv('/work/data/orders.csv')
#df_orders
#sql_query
# Exploración del df de artículos
print('Muestra de datos')
print(df_articles.head())
print('\nForma del dataframe')
print(df_articles.shape)
print('\nBuscar valores nulos')
print(df_articles.isnull().sum())
print('\nFormato de los datos del dataframe')
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
Forma del dataframe
(31, 3)
Buscar valores nulos
article_id 0
article_name 0
unit_price 0
dtype: int64
Formato de los datos del dataframe
article_id int64
article_name object
unit_price object
dtype: object
# Exploración del df de vendedores
print('Muestra de datos')
print(df_sellers.head())
print('\nForma del dataframe')
print(df_sellers.shape)
print('\nBuscar valores nulos')
print(df_sellers.isnull().sum())
print('\nFormato de los datos del dataframe')
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
Forma del dataframe
(15, 1)
Buscar valores nulos
seller_name 0
dtype: int64
Formato de los datos del dataframe
seller_name object
dtype: object
# Exploración del df de órdenes
print('Muestra de datos')
print(df_orders.head())
print('\nForma del dataframe')
print(df_orders.shape)
print('\nBuscar valores nulos')
print(df_orders.isnull().sum())
print('\nFormato de los datos del dataframe')
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
Forma del dataframe
(1000, 6)
Buscar valores nulos
order_id 0
week 0
article_id 0
quantity 0
seller_id 0
country_name 0
dtype: int64
Formato de los datos del dataframe
order_id int64
week int64
article_id int64
quantity int64
seller_id int64
country_name object
dtype: object
# Cambiar a float los precios unitarios
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
#Creo una copia del df_orders
my_df = df_orders.copy()
# Cambio el indice del df_articles
df_articles.set_index('article_id', inplace=True)
# Agrego 3 columnas y pongo el campo que me va a servir de "ancla" para buscar la información real.
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)
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
20020 Chair 335.64
20021 Modem 67.50
20022 Range Extender 20.45
20023 Notebook 1000.00
20024 Netbook 145.00
20025 HDD 54.62
20026 SDD 22.00
20027 Ram Memory 35.95
20028 Motherboard 138.38
20029 Mouse 30.30
20030 Fan Cooler 4.25
20031 Webcam 20.07
20032 Keyboard 22.60
20033 Headphones 23.30
20034 Scanner 185.00
20035 Case 37.90
20036 Video Card 131.50
20037 CPU 139.62
20038 Power Supply 43.95
20039 Water Cooling 67.50
20040 Heatsink 10.00
20041 Usb Cable 2.95
20042 Sata Cable 2.14
20043 Pci Express Port 10.12
20044 Wi-Fi Card 59.61
20045 Mesh Wi-Fi X 2 32.50
#Reemplazar los valores reales en el df
for i in range (len(my_df.index)): #len(my_df.index) devuelva la cantidad de filas (registros)
#reemplazo el nombre del articulo usando el id guardado en my_df
article = df_articles.loc[my_df.loc[i]['article_id']]['article_name']
my_df.loc[i, 'article_name'] = article
#reemplazo el nombre del vendedor usando el id guardado en my_df
my_df.loc[i, 'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_id']]['seller_name']
#busco el pecio unitario y lo multiplico por la cantidad de unidades vendidas.
my_df.loc[i, 'total_amount'] = df_articles.loc[my_df.loc[i]['article_id']]['unit_price'] * my_df.loc[i, 'quantity']
#elimino las columnas que no utilizo
my_df.drop(['article_id', 'seller_id', 'order_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
# RESOLUCIÓN ANALÍTICA
my_df2 = my_df.groupby('article_name').sum()
por_cantidad = my_df2.sort_values('quantity', ascending=False)
print(por_cantidad['quantity'].head(1))
article_name
HDD 413
Name: quantity, dtype: int64
# RESOLUCIÓN GRÁFICA
sns.barplot(x=my_df2.index, y=my_df2['quantity'], data = my_df2, palette='Set2', order=my_df2.sort_values('quantity', ascending=False).index).set(title='VENTAS POR ARTÍCULO')
plt.xlabel('Producto')
plt.ylabel('Cantidad vendida')
plt.xticks(rotation=90)
plt.show()
# Otra RESOLUCIÓN GRÁFICA
plt.figure(figsize=(5,8))
plt.barh(por_cantidad.index, por_cantidad['quantity'],color= 'firebrick')
plt.xlabel('Cantidad vendida')
plt.ylabel('Producto')
plt.title('UNIDADES VENDIDAS POR PRODUCTO')
plt.show()
# RESOLUCIÓN ANALÍTICA
my_df2 = my_df.groupby('article_name').sum()
mas_ingresos = my_df2.sort_values('total_amount', ascending=False).head()
print(mas_ingresos['total_amount'])
article_name
Full Pc 538335.93
Notebook 251000.00
Smartphone 152250.00
Chair 69477.48
Tablet 48620.00
Name: total_amount, dtype: float64
# RESOLUCIÓN GRÁFICA
# OJO: Solo graficamos los 5 primeros productos, si ponemos el porcentaje de cada uno en el grafico,
# no sería el numero real.
e = (0.1,0,0,0,0)
plt.pie(x=mas_ingresos['total_amount'], labels=mas_ingresos.index, explode=e, shadow = True)
plt.title('ARTÍCULOS MAS VENDIDOS')
plt.show()
# RESOLUCIÓN ANALÍTICA
df3 = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending = False)
print(df3[['quantity']+['total_amount']].head(1))
quantity total_amount
seller_name
Janel O'Curran 703 192832.47
# RESOLUCIÓN GRÁFICA
plt.bar(df3.index,df3['total_amount'], color='firebrick')
plt.xticks(rotation=80)
plt.xlabel('Vendedor')
plt.ylabel('Monto total')
plt.title('MONTO DE VENTAS SEGÚN VENDEDOR')
plt.show()
# RESOLUCIÓN ANALÍTICA
df4 = my_df.groupby('week').sum()
print(df4)
quantity total_amount
week
1 2449 507458.81
2 2444 415364.44
3 2114 329140.03
4 1058 223844.56
# RESOLUCIÓN GRÁFICA
plt.bar(df4.index,df4['total_amount'], color='firebrick')
plt.xlabel('Semana')
plt.ylabel('Monto total')
plt.title('MONTO DE VENTAS SEGÚN CADA SEMANA DEL MES')
plt.show()
# RESOLUCIÓN
df5 = my_df.groupby('country_name').sum().sort_values('quantity', ascending = False)
print(df5[['quantity']+['total_amount']].head(1))
quantity total_amount
country_name
Brazil 2515 441271.85
# RESOLUCIÓN GRÁFICA
plt.bar(df5.index,df5['quantity'], color='firebrick')
plt.xticks(rotation=75)
plt.xlabel('País')
plt.ylabel('Cantidad vendida')
plt.title('CANTIDAD DE PRODUCTOS VENDIDOS SEGÚN CADA PAÍS')
plt.show()
df6 = my_df.groupby('country_name').sum().sort_values('total_amount', ascending = False)
print(df6['total_amount'].head())
country_name
Brazil 441271.85
Argentina 205832.78
Colombia 177514.29
Peru 161421.12
Mexico 138619.99
Name: total_amount, dtype: float64
# RESOLUCIÓN GRÁFICA
plt.bar(df6.index,df6['total_amount'], color='firebrick')
plt.xticks(rotation=75)
plt.xlabel('País')
plt.ylabel('Monto total')
plt.title('MONTO TOTAL DE VENTAS POR PAÍS')
plt.show()
# RESOLUCIÓN GRÁFICA
sns.catplot(data=my_df, x='country_name', y='quantity', dodge=False, aspect=2, height=6, kind='bar', hue='article_name', palette='Set3')
plt.xticks(rotation=75)
plt.xlabel('País')
plt.ylabel('Cantidad vendida')
plt.title('ARTÍCULOS MÁS VENDIDOS POR PAÍS')
plt.show()