TP Final Integrador Sonia Ibañez

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

Requirement already satisfied: openpyxl==3.0.10 in /root/venv/lib/python3.9/site-packages (3.0.10)
Requirement already satisfied: et-xmlfile in /root/venv/lib/python3.9/site-packages (from openpyxl==3.0.10) (1.1.0)
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') query1 = pd.read_sql_query('SELECT * FROM articles', conn) df_articles = pd.DataFrame(query1, columns = ['article_id', 'article_name', 'unit_price']) print('ARTÍCULOS: ') print(df_articles) # VENDEDORES df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0) print('VENDEDORES:') print(df_sellers) # ÓRDENES df_orders = pd.read_csv('/work/data/orders.csv') print('ORDENES:') print(df_orders)

ARTÍCULOS: 
    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:
                 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
ORDENES:
     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 datos') #print(df_articles.head()) #print('\nFormato del dataframe') #print(df_articles.shape) #print('\nBúsqueda de valores nulos por columna') #print(df_articles.isnull().sum()) #print('\nFormato de los datos') #print(df_articles.dtypes)

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

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

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 base my_df = df_orders.copy() # Cambio el índice del df artículos df_articles.set_index('article_id', inplace=True) print(my_df) #print(df_articles)

     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]

# Agrego algunas columnas y pongo el campo que me va a servir de "ancla" my_df = my_df.assign(article_name = my_df['article_id']) my_df = my_df.assign(total_amount = my_df['article_id']) # voy a necesitar el unit_price my_df = my_df.assign(seller_name = my_df['seller_id']) # reeplazar los valores en el nuevo df # df_articles[?]['article_name'] for i in range(len(my_df.index)): # len... devuelve la cantidad de registros article = df_articles.loc[my_df.loc[i]['article_name']]['article_name'] # reemplazo en la columna 'article_name' my_df.loc[i,'article_name'] = article # modificar la columna total_amount my_df.loc[i,'total_amount'] = my_df.loc[i,'quantity'] * df_articles.loc[my_df.loc[i]['total_amount']]['unit_price'] # modifical la columna 'seller_name' my_df.loc[i,'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_name']]['seller_name']

# elimino las columnas que no necesito 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 my_df2 = my_df.groupby('article_name').sum() por_cant = my_df2.sort_values('quantity',ascending=False) print(por_cant['quantity'].head(1))

article_name
HDD    413
Name: quantity, dtype: int64

# RESOLUCIÓN GRÁFICA sns.displot(my_df, x='article_name') plt.title('Cantidad de Artículos vendidos') plt.xlabel('Nombre de los artículos') plt.ylabel('Cantidad') plt.xticks(rotation=90) plt.show()

# RESOLUCIÓN ANALÍTICA my_df3 =(my_df.groupby('article_name').sum()).sort_values('total_amount', ascending=False).head(5) print(my_df3['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: No puedo hacer un análisis comparativo ni poner porcentajes porque no hay porcentajes ni numeros, tener presente # no están todos los art en el df. Solo puse los top 5 plt.pie(x=my_df3['total_amount'],labels=my_df3.index) plt.title('Artículo que más ingresos proporcionó') plt.show()

# RESOLUCIÓN ANALÍTICA my_df4=(my_df.groupby('seller_name').sum().sort_values('total_amount',ascending=False)) print(my_df4[['quantity']+['total_amount']])

                   quantity  total_amount
seller_name                              
Janel O'Curran          703     192832.47
Brockie Patience        441     142709.88
Oliviero Charkham       555     141329.76
Vasily Danilyuk         521     129157.55
Daisie Slograve         554     120520.11
Aveline Swanwick        629     118874.33
Arnold Kilkenny         583      94552.04
Kati Innot              512      83704.62
Jase Doy                582      80628.31
Ewell Peres             496      78144.32
Onida Cosely            535      77373.37
Milly Christoffe        442      61733.69
Tobin Roselli           519      56984.42
Cornie Wynrehame        523      52253.57
Cirilo Grandham         470      45009.40

# RESOLUCIÓN GRÁFICA plt.bar(my_df4.index, my_df4['total_amount']) plt.title('Mejor Vendedor del Mes') plt.xticks(rotation=90) plt.xlabel('Vendedor') plt.ylabel('Monto vendido') plt.show()

# RESOLUCIÓN ANALÍTICA my_df5=(my_df.groupby('week').sum()).sort_values('total_amount',ascending=False) print(my_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(my_df5.index, my_df5['total_amount']) plt.title('Ventas de cada semana') plt.xlabel('Semana dentro del mes') plt.ylabel('Cantidad Vendida') plt.show()

Del gráfico anterior, observamos que, de realizar una campaña publicitaria, esta se deberá lanzar desde la semana 3 para que las ventas se incrementen durante la semana 4.

# RESOLUCIÓN my_df6=(my_df.groupby('country_name').sum()).sort_values('total_amount', ascending=False).head(10) print(my_df6)

              week  quantity  total_amount
country_name                              
Brazil         717      2515     441271.85
Argentina      241       947     205832.78
Colombia       230       881     177514.29
Peru           266      1027     161421.12
Mexico         237       846     138619.99
Venezuela       84       320      77684.52
El Salvador     36       111      57391.26
Guatemala       62       202      52579.25
Honduras        78       303      36763.56
Costa Rica      41       145      34606.50

# RESOLUCIÓN GRÁFICA plt.pie(x=my_df6['total_amount'],labels=my_df6.index) plt.title('Ventas según países') plt.show()

# RESOLUCIÓN my_df7=(my_df.groupby('seller_name').count().sort_values('quantity',ascending=False)).head(5) print(my_df7[['quantity']]) #print (my_df)

                   quantity
seller_name                
Janel O'Curran           79
Aveline Swanwick         75
Jase Doy                 73
Daisie Slograve          72
Oliviero Charkham        71

# RESOLUCIÓN GRÁFICA plt.bar(my_df7.index, my_df7['quantity']) plt.title('Los cinco mejores vendedores según la cantidad de pedidos') plt.xlabel('Nombre del vendedor') plt.ylabel('Cantidad de pedidos') plt.xticks(rotation=90) plt.show()

# RESOLUCIÓN my_df8=(my_df.groupby('article_name').sum().sort_values('total_amount', ascending=False).head(1)) print(my_df8)

              week  quantity  total_amount
article_name                              
Full Pc         70       253     538335.93