# A veces necesitamos instalar nuevas librerías en nuestros proyectos
!pip install openpyxl==3.0.10
# imports # importacion de librerias
import numpy as np
import pandas as pd
import sqlite3 as sql3
import matplotlib.pyplot as plt
import seaborn as sns
import openpyxl # libreria para leer/escribir archivos excel 2010 xlsx/xlsm/xltx/xltm
# Levanto los datos en 3 diferentes dataframes: df_articles, df_sellers, df_orders
# 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'])
print(df_articles)
# Vendedores
df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0)
print(df_sellers)
# Ordenes
df_orders = pd.read_csv('/work/data/orders.csv')
print(df_articles)
# Exploración del df de artículos
print('Muestra de datos:')
print(df_articles.head())
print('\nFormato del dataframe:')
print(df_articles.shape)
print('\nBusqueda y conteo de valores nulos:')
print(df_articles.isnull().sum())
print('\nTipo de datos del dataframe:')
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('\nBusqueda y conteo de valores nulos:')
print(df_sellers.isnull().sum())
print('\nTipos de datos del dataframe:')
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('\nBusqueda y conteo de valores nulos:')
print(df_orders.isnull().sum())
print('\nTipo de datos del dataframe:')
print(df_orders.dtypes)
# Cambiamos el formato de precios unitarios a tipo float y comprobamos
df_articles['unit_price'] = df_articles['unit_price'].astype(float)
print(df_articles.dtypes)
# Teniendo como referencia el modelo de datos del paso 3
# Creo una copia de los indices y datos del df_oders
my_df = df_orders.copy()
print(my_df)
# Cambio los indices (etiquetas de fila existente) del df_articles, fijando la columna article_id como los nuevos indices del df
df_articles.set_index('article_id', inplace=True) # debemos ejecutar esta linea de codigo una vez, de lo contrario veremos un mensaje de error
print(df_articles.head(10))
# Agrego 3 columnas o campos que me va a servir de "ancla" para buscar la informacion real de manera indexada
my_df = my_df.assign(article_name = my_df['article_id'])
my_df = my_df.assign(seller_name = my_df['seller_id'])
my_df = my_df.assign(total_amount = my_df['article_id'])
print(my_df.head(10))
# Reemplazamos los id por los vlores reales en el df
for i in range (len(my_df.index)): # la funcion len(my_df.index) devuelve la cantidad de filas (registros) de my_df
# localizo el nombre del articulo usando el id guardado en my_df y lo asigno a la variable auxiliar article
article = df_articles.loc[my_df.loc[i]['article_name']]['article_name']
# reemplazo el id actual por el nombre del articulo encontrado
my_df.loc[i,'article_name']= article
# reemplazo el id actual de my_df por el nombre del vendedor
my_df.loc[i,'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_name']]['seller_name']
# busco el precio unitario y lo multiplico por la cantidad de unidades vendidas, los resultados se guardan en la columna total_amount
my_df.loc[i,'total_amount'] = my_df.loc[i,'quantity'] * df_articles.loc[my_df.loc[i]['article_id']]['unit_price']
print(my_df.head())
# Elimino las columnas que no necesito
my_df.drop(['order_id', 'article_id', 'seller_id'], axis='columns', inplace=True)
print(my_df.head(10))
print(my_df.shape)
# RESOLUCIÓN ANALÍTICA
my_df2 = my_df.groupby('article_name').count()
por_cantidad = my_df2.sort_values('quantity', ascending=False)
print(por_cantidad['quantity'].head(5))
# RESOLUCIÓN GRÁFICA
plt.figure(figsize = (15,5))
sns.barplot(x=por_cantidad.index, y=por_cantidad['quantity'], data = por_cantidad)
plt.xticks(rotation=75)
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'])
# RESOLUCIÓN GRÁFICA
# Solo graficamos los 5 primeros productos, para no distorcionar el grafico, entonces no estan representados el 100% de los productos por un tema grafico
plt.pie(x=mas_ingresos['total_amount'], labels=mas_ingresos.index, autopct='%.2f%%', radius=2)
plt.show()
# RESOLUCIÓN ANALÍTICA
df3 = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending =False)
print(df3[['quantity']+['total_amount']].head(1))
# RESOLUCIÓN ANALÍTICA
df4 = my_df.groupby('week').sum()
print(df4)