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

# imports import numpy as np import pandas as pd import sqlite3 as sql3 import openpyxl # para que levante bien el 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) # Órdenes df_orders = pd.read_csv('/work/data/orders.csv')

# 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 por columna') print(df_articles.dtypes) df_articles

# 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 por columna') print(df_sellers.dtypes) df_sellers

# 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 por columna') print(df_orders.dtypes) df_orders

df_articles['unit_price'] = df_articles['unit_price'].astype(float) print(df_articles.dtypes)

# Creo una copia del df_orders my_df = df_orders.copy() # Cambio el índice del df de artículos df_articles.set_index('article_id',inplace = True) # Agrego algunas columnas y pongo el campo que me va a servir de "ancla" para acordarme 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']) # reemplazo los valores en el nuevo df # 1. busco el nombre del artículo y lo asigno a una variable # como df_articles está indexado por article_id, lo uso para ubicarme en # el registro que busco # 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 for i in range(len(my_df.index)): # len(my_df.index) devuelve la cantidad de registros idArticulo = my_df.loc[i]['article_id'] nombreArticulo = df_articles.loc[idArticulo]['article_name'] # se lo asigno a la columna correspondiente my_df.loc[i,'article_name'] = nombreArticulo # hago lo mismo para la columna de total_amount precioArticulo = df_articles.loc[idArticulo]['unit_price'] cantArticulo = my_df.loc[i]['quantity'] my_df.loc[i,'total_amount'] = precioArticulo * cantArticulo # columna de seller_name idVendedor = my_df.loc[i]['seller_id'] nombreVendedor = df_sellers.loc[idVendedor]['seller_name'] my_df.loc[i,'seller_name'] = nombreVendedor # elimino las columnas que no necesito my_df.drop(['order_id', 'article_id', 'seller_id'], axis = 'columns', inplace=True) my_df

# RESOLUCIÓN ANALÍTICA my_df1=my_df.groupby('article_name').sum().sort_values('quantity', ascending=False).head(5) print(my_df1['quantity'].head(1))

# RESOLUCIÓN GRÁFICA plot = sns.barplot(y=my_df1.index, x=my_df1['quantity'], palette='mako') plt.suptitle('Los 5 productos más vendidos (en unidades)', fontsize='xx-large') for pos in ['right', 'top', 'bottom', 'left']: plt.gca().spines[pos].set_visible(False) for i in plot.containers: plot.bar_label(i, padding=5) plt.xlabel('') plt.xticks([]) plt.ylabel(ylabel='') plt.show()

# RESOLUCIÓN ANALÍTICA my_df2 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(5) print(my_df2['total_amount'])

# RESOLUCIÓN GRÁFICA: sns.barplot(y=my_df2['total_amount'], x=my_df2.index, palette='mako') plt.suptitle('Los 5 productos más rentables',fontsize='xx-large') for pos in ['right', 'top', 'bottom', 'left']: plt.gca().spines[pos].set_visible(False) ingresos = my_df2['total_amount'].values for i, ingreso in enumerate(ingresos): v = '$ ' + str(int(ingreso)) plt.text(s=v, x=i, y=my_df2['total_amount'][i] + 15000, ha='center') plt.xlabel('') plt.yticks([]) plt.ylabel(ylabel='') plt.show()

# RESOLUCIÓN ANALÍTICA my_df3 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False) print(my_df3[['quantity']+['total_amount']])

# RESOLUCIÓN GRÁFICA e = [0.2] exp = [e.append(0) for x in range(len(my_df3)-1)] c = sns.color_palette('mako', n_colors=len(my_df3)) plt.suptitle(t='Representación de ventas por vendedor', y=1.2, fontsize='xx-large') _, _, autotexts = plt.pie(my_df3['total_amount'], explode=e,labels=my_df3.index, colors=c,radius=1.7, autopct='%1.1f%%') for ins in autotexts: ins.set_color('white') plt.show()

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

# RESOLUCIÓN GRÁFICA sns.barplot(y=my_df4['total_amount'], x=my_df4.index, palette='mako') plt.suptitle('Variación de ventas', fontsize='xx-large') for pos in ['right', 'top', 'bottom', 'left']: plt.gca().spines[pos].set_visible(False) ingresos = my_df4['total_amount'].values for i, ingreso in enumerate(ingresos): v = '$ ' + str(int(ingreso)) plt.text(s=v, x=i, y=my_df4['total_amount'][i+1] + 15000, ha='center') plt.xlabel('Semanas') plt.yticks([]) plt.ylabel(ylabel='') plt.show()

# RESOLUCIÓN ANALÍTICA my_df5 = (my_df.groupby(by='country_name').sum()).sort_values('total_amount',ascending=False).head(5) print(my_df5['total_amount'])

# RESOLUCIÓN GRÁFICA sns.barplot(y=my_df5['total_amount'], x=my_df5.index, palette='mako') plt.suptitle('Los 5 principales compradores',fontsize='xx-large') for pos in ['right', 'top', 'bottom', 'left']: plt.gca().spines[pos].set_visible(False) ingresos = my_df5['total_amount'].values for i, ingreso in enumerate(ingresos): v = '$ ' + str(int(ingreso)) plt.text(s=v, x=i, y=my_df5['total_amount'][i] + 15000, ha='center') plt.xlabel('') plt.yticks([]) plt.ylabel(ylabel='') plt.show()

# RESOLUCIÓN ANALÍTICA # Previsualizar el DF final # ------------------------- # "País" "Artículo" "Ventas" # Pais1 art monto # Pais2 art monto # 1) Obtener total x artículo x pais df_pais_articulo = my_df.groupby(['country_name', 'article_name']).sum() # 2) Obtener la lista de paises paises = my_df.groupby('country_name').sum().index.values # 3) Creo el DF final, pero aún sin datos my_df6 = pd.DataFrame(columns=['Artículo', 'Ventas'], index=paises) # 4) Procesar el DF df_pais_articulo y obtener las ventas maximas x artículo y guardarlas en my_df5 for p in paises: df = df_pais_articulo.loc[p] v = df.max()['total_amount'] a = df[(df['total_amount'] == v)].index[0] my_df6.loc[p] = {'Artículo': a, 'Ventas': v} my_df6 = my_df6.sort_values(['Artículo', 'Ventas']) my_df6.reset_index(inplace=True, drop=False) my_df6.columns = ['País','Artículo', 'Ventas'] print(my_df6)

# RESOLUCIÓN GRÁFICA c = sns.color_palette('mako', n_colors=my_df6.nunique(0)[1]) df_pivot = pd.pivot_table(my_df6, index='País', columns='Artículo', values='Ventas', aggfunc='sum') df_pivot = df_pivot.sort_values(['CPU','Full Pc', 'Monitor', 'Notebook','Smartphone'], ascending=False) df_pivot.plot.barh(stacked=True, color=c, width=0.9) plt.suptitle(t='Producto más vendido por país', y=1.2, fontsize='xx-large') for pos in ['right', 'top', 'bottom', 'left']: plt.gca().spines[pos].set_visible(False) ingresos = my_df6.values for ingreso in ingresos: v = '$ ' + str(int(ingreso[2])) i = df_pivot.index.values plt.text(s=v, x=ingreso[2] + 2000, y=np.where(i==ingreso[0])[0][0], va='center') plt.xlabel('') plt.xticks([]) plt.ylabel(ylabel='') plt.show()

# RESOLUCIÓN ANALÍTICA # Previsualizar el DF final # ------------------------------------------------- # índices columnas # "week" "article_name" "quantity " "total_amount" # 1 Full Pc unidades monto # 2 Full Pc unidades monto # 3 Full Pc unidades monto # 4 Full Pc unidades monto # 1) Obtener total x semana x producto df_semana_articulo = my_df.groupby(['week', 'article_name']).sum() # 2) Reduzco el DF df_semana_articulo a sólo el artículo Full Pc (el más vendido) indices = [] for i in range(len(df_semana_articulo)): if df_semana_articulo.index[i][1] != 'Full Pc': indices.append(i) my_df7 = df_semana_articulo.drop(df_semana_articulo.index[indices]) print(my_df7)

# RESOLUCIÓN GRÁFICA label = ['Semana '+ str(x) for x in range(1,len(my_df7)+1)] c = sns.color_palette('mako', n_colors=len(my_df7)) plt.suptitle(t='Variación de ventas de Full PC a lo largo del mes', y=1.2, fontsize='xx-large') _, _, autotexts = plt.pie(my_df7['total_amount'], labels=label, colors=c,radius=1.7, autopct='%1.1f%%') for ins in autotexts: ins.set_color('white') plt.show()