6 TP Final Integrador

# 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()