# 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 cargue 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)
# 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)
# 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_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
my_df2=my_df.groupby('article_name').sum()
por_cant = my_df2.sort_values('quantity', ascending=False)
print(por_cant['quantity'].head(1))
# RESOLUCIÓN GRÁFICA
plt.figure(figsize=(10,8))
sns.barplot(y=por_cant["quantity"], x=por_cant.index, palette="Blues_d")
plt.title('Gráfico 1. Unidades vendidas por articulo')
plt.xticks(rotation=90)
plt.ylabel('Cantidad')
plt.xlabel('Nombre de Articulo')
plt.show()
# RESOLUCIÓN ANALÍTICA
df3 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(5)
print(df3['total_amount'])
# RESOLUCIÓN GRÁFICA ---> Voy a tomar sólo los 5 primeros artículos que más ingresos proporcionaron
plt.barh(df3.index,df3['total_amount'] , height=0.8, color = sns.color_palette('Blues_d'))
plt.title('Gráfico 2. Ingresos proporcionados por articulo')
plt.ylabel('Articulos')
plt.xlabel('Ingresos (en $)')
plt.show()
# RESOLUCIÓN ANALÍTICA
df4 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False)
print(df4[['quantity']+['total_amount']])
# RESOLUCIÓN GRÁFICA
pal = sns.color_palette("crest", 8)
plt.bar(df4.index,df4['total_amount'], color = pal)
plt.xticks(rotation=60)
plt.title('Gráfico 3. Ventas totales por vendedor')
plt.ylabel('Ventas totales (en $)')
plt.xlabel('Vendedor')
plt.show()
# RESOLUCIÓN ANALÍTICA
df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False)
print(df5['total_amount'])
# RESOLUCIÓN GRÁFICA
plt.bar(df5.index,df5['total_amount'], color = sns.color_palette('Blues_d'))
plt.title('Gráfico 4. Ventas totales por semana')
plt.ylabel('Ventas totales')
plt.xlabel('Semana')
plt.show()
# RESOLUCIÓN
df6=my_df.groupby('country_name').sum()
por_cant = df6.sort_values('total_amount', ascending=True)
print(por_cant['total_amount'].head(5))
# RESOLUCIÓN GRÁFICA
plt.bar(por_cant.index,por_cant['total_amount'], color = sns.color_palette('husl', 16))
plt.title('Gráfico 5. Ventas totales por país')
plt.ylabel('Ventas totales')
plt.xlabel('Países')
plt.xticks(rotation=60)
plt.show()
# RESOLUCIÓN ANALÍTICA
df7 = (my_df.groupby(by='article_name').sum()).sort_values('quantity',ascending=True).head(5)
print(df7['quantity'])
# RESOLUCIÓN GRÁFICA
plt.bar(df7.index,df7['quantity'], color = sns.color_palette('husl', 5))
plt.title('Gráfico 6. Cantidades vendidas por artículo')
plt.ylabel('Cantidades vendidas')
plt.xlabel('Artículos')
plt.xticks(rotation=60)
plt.show()
# RESOLUCIÓN
# 1) Obtener total por semana por vendedor
df_vendedor_semana = my_df.groupby(['seller_name', 'week']).sum()
# 2) Obtengo la lista de vendedores
vendedores = my_df.groupby('seller_name').sum().index.values
# 3) Creo el DF final
df_final = pd.DataFrame(columns=['Semana', 'Ventas'], index=vendedores)
# 4) Procesar el DF df_vendedor_semana y obtener las ventas maximas x semana y guardarlas en df_final
for p in articulos:
df = df_vendedor_semana.loc[p]
v = df.max()['total_amount']
s = df[(df['total_amount'] == v)].index[0]
df_final.loc[p] = {'Semana': s, 'Ventas': v}
df_final['Semana'] = df_final['Semana'].astype(int)
print(df_final)
# RESOLUCIÓN GRÁFICA
colorSelected = sns.color_palette('husl', 4)
g = pd.pivot_table(df_final, index = df_final.index, values = 'Ventas', columns = 'Semana', aggfunc = 'sum')
g.plot.bar(stacked = True, color = colorSelected, figsize=(14,8), ylabel = 'Monto máximo de venta (en $)', xlabel = 'Vendedor')
plt.title('Gráfico 7. Semana y monto de mayor venta por vendedor')
plt.xticks(rotation=60)
plt.show()