# 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 # levantar 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) # Ordenes df_orders = pd.read_csv('/work/data/orders.csv')

# Exploración del df de artículos print('Muestra de datos') print(df_articles.head()) # head() 5 Filas por defecto print('\nFormato del dataframe') print(df_articles.shape) print('\nBúsqueda de valores nulls 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()) # head() 5 Filas por defecto print('\nFormato del dataframe') print(df_sellers.shape) print('\nBúsqueda de valores nulls 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()) # head() 5 Filas por defecto print('\nFormato del dataframe') print(df_orders.shape) print('\nBúsqueda de valores nulls 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)

my_df = df_orders.copy() # shallow copy o copia superficial (otro Objeto alojado en la memoria) # Cambio el índice del df de artículos df_articles.set_index('article_id', inplace=True) 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']) # df_articles # print() # my_df for i in range(max(my_df.count())): # print(i) # 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 (article_name) de df_articles # print(df_articles.loc[my_df.loc[i]['article_id']]['article_name']) article = df_articles.loc[my_df.loc[i]['article_id']]['article_name'] # print(article) # Asignar a cada valor id de la columna 'article_name' (my_df) el nombre del artículo my_df.loc[i, 'article_name'] = article # my_df # hacemos lo mismo con total_amount my_df.loc[i, 'total_amount'] = my_df.loc[i, 'quantity']*df_articles.loc[my_df.loc[i]['article_id']]['unit_price'] # Columna de seller name my_df.loc[i, 'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_id']]['seller_name'] # elimimo las columnas que no necesito del df my_df.drop(['order_id', 'article_id', 'seller_id'], axis='columns', inplace=True) print(my_df)

df_articles

# RESOLUCIÓN ANALÍTICA print(my_df['article_name'].value_counts()) # cuenta valores únicos

# RESOLUCIÓN GRÁFICA sns.displot(my_df, x='article_name') plt.xticks(rotation=90) # 'vertical' plt.show()

# RESOLUCIÓN ANALÍTICA df2=(my_df.groupby(by='article_name').sum()).sort_values('total_amount', ascending=False).head(5) pd.options.display.float_format= '$ {:,.2f}'.format print(df2['total_amount']) # 'article_name' es el index # print(df2) # agrupa (y suma) sólo datos numéricos # SINTAXIS ALTERNATIVA # pd.options.display.float_format= '$ {:,.2f}'.format # print(my_df[['article_name'] + ['total_amount']].groupby(['article_name']).sum().sort_values('total_amount', ascending=False).head(5))

# RESOLUCIÓN GRÁFICA plt.pie(x=df2['total_amount'], labels=df2.index, autopct='%1.2f%%') plt.show() # 'article_name' es el index

# RESOLUCIÓN ANALÍTICA df4 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format # print(df4[['quantity'] + ['total_amount']]) print(df4[['quantity'] + ['total_amount']].head(5)) # 'seller_anme' es el index

# RESOLUCIÓN GRÁFICA plt.bar(df4.index, df4['total_amount']) plt.xticks(rotation=60) plt.show() # 'seller_anme' es el index

# RESOLUCIÓN ANALÍTICA df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df5[['quantity'] + ['total_amount']]) # 'week' es el index

# RESOLUCIÓN GRÁFICA plt.bar(df5.index, df5['total_amount']) plt.show() # 'week' es el index

# RESOLUCIÓN ANALÍTICA df6=(my_df.groupby(by='country_name').sum()).sort_values('total_amount', ascending=False).head(10) pd.options.display.float_format= '$ {:,.2f}'.format print("TOP 10 PAÍSES CON MÁS VENTAS") print(df6['total_amount'])

#RESOLUCIÓN GRÁFICA sns.barplot(y=df6.total_amount, x=df6.index, palette="rocket") plt.title("Top 10 países que más vendieron", size=15) plt.xlabel("Países", size=12) plt.ylabel("Ventas en U$s", size=12) plt.xticks(rotation=60) plt.show()

# RESOLUCIÓN ANALÍTICA df8 = my_df.loc[(my_df['country_name'] == 'Mexico')] df9 = my_df.loc[(my_df['country_name'] == 'Argentina')] df10 = df8.groupby('week').sum().total_amount df11 = df9.groupby('week').sum().total_amount pd.options.display.float_format= '$ {:,.2f}'.format print('MEXICO') print(df10) print('ARGENTINA') print(df11)

# RESOLUCIÓN GRÁFICA df10.plot(xlabel='week',ylabel='Ventas en U$s',color="darkred") df11.plot(xlabel='week',ylabel='Ventas en U$s',color="lightblue") plt.title('Evolución de las ventas semanales de Argentina y México')

# RESOLUCIÓN ANALÍTICA df12 = my_df.loc[(my_df['country_name'] == 'Mexico') | (my_df['country_name'] == 'Argentina')] df12 = df12[['article_name','country_name','total_amount']] df12 = df12.groupby(['article_name','country_name'])['total_amount'].sum().sort_values(ascending=False).head(3) pd.options.display.float_format= '$ {:,.2f}'.format print("TOP 3 PRODUCTOS QUE MÁS VENTAS GENERARON EN ARGENTINA Y MEXICO") print(df12) # RESOLUCIÓN GRÁFICA c=['lightsalmon','coral','darkred'] plt.pie(x=df12, labels=df12.index,autopct='%1.2f%%',colors=c) plt.title("TOP 3 PRODUCTOS QUE MÁS VENTAS GENERARON EN ARGENTINA Y MEXICO") centre_circle = plt.Circle((0,0), 0.4, fc="white") fig = plt.gcf() fig.gca().add_artist(centre_circle) plt.show()

#A partir del análisis concluímos que: #El artículo más vendido es el disco sólido (SDD), sin embargo el que más ingresos #proporcionó es la Full PC, cuyas ventas representaron más del 50% del monto total. #Janel O'Curran es acreedor del premio al mejor vendedor por amplio margen. #Las ventas alcanzan su pico en la primera semana y luego van disminuyendo progresivamente. #El top 10 de los países que más ventas registraron es: Brasil, Argentina, Colombia, Peru, #Mexico, Venezuela, El Salvador, Guatemala, Honduras, Costa Rica, si bien existe mucha #variación entre las ventas de cada país. #Al observar el comportamiento de las ventas de Argentina y México durante las 4 semanas #vemos una diferencia muy notoria en la evolución, particularmente en la segunda semana. #Por último, los tres productos que más ventas generan en Argentina y México son la #Full Pc en Argentina, representando más del 50% del total, y las notebooks de México y #Argentina, siendo los montos de este artículo bastante similares en ambos países.