TP FINAL INTEGRADOR. Comisión #22039

Alumna: Andrea Arias

# A veces necesitamos instalar nuevas librerías en nuestros proyectos !pip install --upgrade pip !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']) #df_articles # Vendedores df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0) #df_sellers # Órdenes df_orders = pd.read_csv('/work/data/orders.csv') #df_orders

# 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 en un solo paso 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) print(my_df)

# RESOLUCIÓN ANALÍTICA df_art_mas_vendido=my_df.groupby('article_name').sum().sort_values('quantity', ascending=False).head(10) print(df_art_mas_vendido['quantity'].head(1))

# RESOLUCIÓN GRÁFICA sns.set_theme(style="whitegrid") sns.barplot(y=df_art_mas_vendido["quantity"], x=df_art_mas_vendido.index) plt.xticks(rotation=90) plt.show()

Gráfica 1. El artículo más vendido es el HDD con 413 unidades vendidas en el mes

# RESOLUCIÓN ANALÍTICA df2 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(5) #print(df2['total_amount']) print("\n\n El articulo que mas ingresos proporcionó es: \n", df2['total_amount'].head(1))

# RESOLUCIÓN GRÁFICA plt.barh(df2.index,df2['total_amount'] , height=0.8) plt.xlabel('total_amount') plt.ylabel('article_name') plt.show()

Gráfica 2. El artículo que más ventas nos proporcionó es Full PC con un total de USD 538.335,93 en el mes.

# RESOLUCIÓN ANALÍTICA df_sellers_by_amount = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False) print("Mejor vendenor del mes: \n") print(df_sellers_by_amount[['quantity']+['total_amount']].head(1))

# RESOLUCIÓN GRÁFICA #plt.title('Vendedor del Mes', fontsize = 'xx-large', pad=15) plt.suptitle(t='Ventas por vendedor', y=1.2, fontsize='xx-large') sns.barplot(y=df_sellers_by_amount['total_amount'], x=df_sellers_by_amount.index) plt.xticks(rotation=60, ha="right") plt.xlabel('Seller') plt.ylabel('Total amount') plt.show()

Gráfica 3. El mejor vendedor del mes fue Janel O'Curran, que generó ventas por USD 192.832,47

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

# RESOLUCIÓN GRÁFICA sns.set(style='dark', palette='dark', font_scale=1) sns.barplot(y=df_week['total_amount'], x=df_week.index) plt.title('Ventas por semana') plt.show()

Gráfica 4. La campaña de promociones debería lanzarse en la ultima semana del mes que es cuando se observa que las ventas disminuyen.

# RESOLUCIÓN df_country=my_df.groupby('country_name').sum() df_country = df_country.sort_values('total_amount', ascending=False).head(5) print(df_country['total_amount'].head(5)) plt.title('Top 5 países por total de ventas', fontsize = 'xx-large', pad=15) colors = sns.color_palette('pastel')[0:5] plt.pie(df_country['total_amount'], labels = df_country.index, colors = colors, autopct='%.0f%%') plt.show()

Gráfica 5. Mejores 5 países por ventas totales. Brasil duplica a las ventas de Argentina que es el segundo del mercado.

# RESOLUCIÓN #Articulos mas vendidos por pais print("Articulos mas vendidos por pais \n") df_Brasil= my_df.loc[(my_df['country_name'] == 'Brazil')] df_Brasil = (df_Brasil.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(2) print("Country_name: Brazil") print(df_Brasil['total_amount']) print() df_Arg= my_df.loc[(my_df['country_name'] == 'Argentina')] df_Arg = (df_Arg.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(2) print("Country_name: Argentina") print(df_Arg['total_amount']) # Extraigo los articulos que me interesan de la muestra df_art_principales = my_df['article_name'].isin(['Full Pc','Notebook']) df_art_principales df_art_seleccionados = my_df[df_art_principales].sort_values('country_name', ascending=True) # Agrupo por Pais y Articulo para sumarizar df_art_seleccionados_sum = df_art_seleccionados.groupby(['country_name', 'article_name']).sum() # Paso los indices a columnas para ayudar a plotearlos df_art_seleccionados_sum.reset_index(level=1, inplace=True) plt.title('Ventas de principales productos por pais', fontsize = 'xx-large', pad=15) plt.xticks(rotation=90) sns.barplot(x=df_art_seleccionados_sum.index, y=df_art_seleccionados_sum['total_amount'], hue=df_art_seleccionados_sum['article_name']) plt.xlabel('Country') plt.ylabel('Quantity') plt.show()

Gráfica 6. Articulos mas vendidos por país.

# RESOLUCIÓN # Previsualizar el DF final # ------------------------- # "País" "Artículo" "Ventas" # Pais1 art monto # Pais2 art monto # 1) Total x artículo x pais df_pais_articulo = my_df.groupby(['country_name', 'article_name']).sum() # 2) Lista de paises paises = my_df.groupby('country_name').sum().index.values # 3) Creo el DF final, pero aún sin datos df_final = 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] df_final.loc[p] = {'Artículo': a, 'Ventas': v} df_final.reset_index(inplace=True, drop=False) df_final.columns = ['País','Artículo', 'Ventas'] print(df_final)

El artículo más vendido son los HDD que alcanzan las 413 unidades vendidas a lo largo de todo el mes. Si bien el producto HDD fue el más vendido, las Full Pc son las que mayores ingresos produjeron a lo largo del mes. Alcanzan a superar en más del doble al producto que queda en 2º lugar (Notebooks).

Janel O'Curran es el vendedor que ha logrado generar mayores ingresos a la compañía, representando un poco más del 13% del total de ventas con un monto de $ 192.832,47

El total de las ventas decae de forma casi lineal a lo largo del mes. Esto puede deberse al propio ciclo de compra por la capacidad adquisitiva de los compradores (por ejemplo, asalariados que perciben el sueldo a principio de mes). Se recomienda que la campaña de promociones debería lanzarse en la ultima semana del mes que es cuando se observa que las ventas disminuyen mas.

Brasil es el principal país en ventas duplicando a las ventas de Argentina que es el segundo del mercado.

Se muestra cuál ha sido el producto más comprado por país. Y pese a como se observó en la pregunta anterior que Brasil es el mayor comprador y en segundo lugar Argentina, ambos se destacaron en comprar el producto Full Pc, el cual a su vez es el más vendido de todos los artículos. Esto deja en evidencia que la diferencia entre ambos países se debe a la cantidad de unidades adquiridas de dicho producto (en mayor proporción Brasil respecto de Argentina). Esto permite visualizar en qué productos se debe prestar más atención para cada país, tanto en cuestiones de costos como en cuestiones de precios y promociones.

TP FINAL INTEGRADOR. Comisión #22039

Alumna:&nbsp;Andrea Arias

Alumna: Andrea Arias