TP Final Integrador - 22045 - Soledad García Conde

# 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 35.8 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 openpyxl # levantar excel 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']) # 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 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 df_articles=my_df[['article_name','quantity']].groupby(by='article_name').sum().reset_index().sort_values('quantity', ascending=False) print(df_articles) # cuenta valores únicos

        article_name  quantity
6                HDD       413
25            Tablet       374
21               SDD       372
14             Mouse       322
15           Netbook       320
19        Ram Memory       293
13       Motherboard       291
17  Pci Express Port       291
24        Smartphone       290
20    Range Extender       281
8           Heatsink       280
26         Usb Cable       273
18      Power Supply       269
0                CPU       266
22        Sata Cable       264
5            Full Pc       253
28     Water Cooling       252
16          Notebook       251
11             Modem       244
7         Headphones       239
29            Webcam       229
3               Desk       223
23           Scanner       221
10    Mesh Wi-Fi X 2       213
27        Video Card       209
12           Monitor       208
2              Chair       207
1               Case       206
4         Fan Cooler       205
9           Keyboard       165
30        Wi-Fi Card       141

# RESOLUCIÓN GRÁFICA sns.barplot(y=df_articles.quantity, x=df_articles.article_name, orient="v") 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) 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_anme' 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_anme' 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. # Cuál es el producto que más se vende, en qué cantidad # Resolución Analítica y Gráfica´ ## Top países por ventas ($) df_countries = (my_df[['country_name','total_amount','quantity']].groupby(by='country_name').sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.0f}'.format print(df_countries) plt.style.use('seaborn') plt.bar(df_countries.index, df_countries['total_amount'], color='C8') plt.xticks(rotation=60) plt.title('Income ($) per Country') plt.show()

              total_amount  quantity
country_name                        
Brazil           $ 441,272      2515
Argentina        $ 205,833       947
Colombia         $ 177,514       881
Peru             $ 161,421      1027
Mexico           $ 138,620       846
Venezuela         $ 77,685       320
El Salvador       $ 57,391       111
Guatemala         $ 52,579       202
Honduras          $ 36,764       303
Costa Rica        $ 34,606       145
Chile             $ 24,661       231
Bolivia           $ 22,683       181
Uruguay           $ 17,843        92
Ecuador           $ 17,475       129
Paraguay           $ 8,195       123
Puerto Rico        $ 1,265        12

# Resolución Analítica y Gráfica # Evolución de Ventas por producto. # Tomar 2 países y 'week' como variable categórica # Articulos ($) por país df_top_3_articles = my_df[(my_df['article_name'] == 'Full Pc') | (my_df['article_name'] == 'Notebook') | (my_df['article_name'] == 'Smartphone')] df_top_3_articles = df_top_3_articles[['article_name','country_name','total_amount']] df_top_3_articles = df_top_3_articles.groupby(['article_name','country_name'])['total_amount'].sum().reset_index() plot_order = df_top_3_articles.groupby('country_name')['total_amount'].sum().sort_values(ascending=False).index.values sns.catplot(y='country_name', x='total_amount', hue='article_name', data=df_top_3_articles, palette='rocket', kind='bar', order=plot_order) plt.xticks(rotation=90) plt.title('Income generated by top 3 selled articles per Country') plt.ylabel('Country') plt.xlabel('Income ($)') plt.show()

Conclusiones

1- El artículo más vendido en unidades fue HDD (con 413 unidades) , seguido de Tablet (374) y SDD (372).

2- El artículo que más ventas proporcionó es Full PC con un monto total de $538,335.93, seguido con menos de la mitad de ese monto las Notebook por una suma total de 251,000.00. En tercer lugar se ubicó el Smartphone por un monto total de &152,250.

3- Este mes el bono al mejor vendedor debe ser otorgado a Janel O'Curran, quien vendió la mayor cantidad de unidades (703 unidades) por un monto total de $192,832.47.

4- En la segunda semana del mes se produjo una importante caída del monto vendido (18% menos), pero no así de la cantidad de unidades (-0,2%). En la tercer semana ya se evidencia una caída más significativa de las unidades vendidas (-13,5%) y también cae el monto (-20,8%), para terminar el mes con una profunda caída tanto de las unidades como del monto vendido (del -50% y -32% respectivamente) con respecto a la semana anterior. Con base en estos datos, se recomienda comenzar una campaña de promoción en la segunda semana.

5- El país que genera mayores ingresos en Brasil, seguido de Argentina y Colombia.