# 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 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'])
print(df_articles)
# VENDEDORES
df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0)
print(df_sellers)
# ÓRDENES
df_orders = pd.read_csv('/work/data/orders.csv')
print(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')
print(df_articles.isnull().sum())
print('\nFormato de los datos')
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')
print(df_sellers.isnull().sum())
print('\nFormato de los datos')
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')
print(df_orders.isnull().sum())
print('\nFormato de los datos')
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_articles
df_articles.set_index('article_id', inplace=True)
print(df_articles.head())
print(my_df.head())
# agrego las columnas que me faltan
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'])
print(my_df.head())
# reemplazar los datos ne las nuevas columnas
for i in range(len(my_df.index)):
# columna article_name
# cargo el nombre del artículo en una variable
article = df_articles.loc[my_df.loc[i]['article_name']]['article_name']
# se lo asigno a la columna y registro que corresponde
my_df.loc[i,'article_name']= article
# 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']
# columna de seller_name
my_df.loc[i,'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_name']]['seller_name']
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())
#my_df.to_csv("dataset_depurado_y_filtrado.csv")
d1=pd.DataFrame({'mes': ['ene','feb','mar','abr'], 'ventas':[10,20,30,15]})
d2=pd.DataFrame({'mes': ['ene','feb','mar','abr'], 'costos':[7,16,25,12]})
print(pd.merge(d1,d2))
# 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
sns.displot(my_df, x='article_name', kde=True)
plt.xticks(rotation=90)
plt.title('Cantidad de artículos vendidos', size = 16)
plt.ylabel("Cantidad en unidades")
plt.xlabel("")
plt.show()
# RESOLUCIÓN ANALÍTICA
my_df3 = (my_df.groupby('article_name').sum()).sort_values('total_amount', ascending=False).head(5)
rename_art_names = {"article_name": "Artículo", "total_amount": "Ganancia",}
rename_art = my_df3.reset_index()
rename_art = rename_art.rename(columns=rename_art_names)
rename_art['Ganancia'] = rename_art['Ganancia'].apply(lambda x: f"${x:.1f}")
print(rename_art[['Artículo', 'Ganancia']])
# RESOLUCIÓN GRÁFICA
c=['steelblue','lightslategray','dodgerblue','lightskyblue', 'aliceblue']
plt.pie(x=my_df3['total_amount'],labels=my_df3.index, colors=c)
plt.title(' Los 5 artículos que mas ingresos generaron', size = 16)
plt.show()
# RESOLUCIÓN ANALÍTICA
df4 = (my_df.groupby('seller_name').sum()).sort_values('total_amount', ascending=False)
print(df4[['quantity']+['total_amount']])
# RESOLUCIÓN GRÁFICA
plt.bar(df4.index, df4['total_amount'])
plt.xticks(rotation=60)
plt.title('Ganancia por vendedor', size = 16)
plt.ylabel("Ganancia u$")
plt.show()
# RESOLUCIÓN ANALÍTICA
df5=(my_df.groupby('week').sum()).sort_values('total_amount',ascending=False)
print(df5)
# RESOLUCIÓN GRÁFICA
plt.bar(df5.index,df5['total_amount'])
plt.title('Ganancia por semana', size = 16)
plt.ylabel("Ganancia u$")
plt.xlabel('')
index = ['', '1 semana', '2 semana', '3 semana', '4 semana']
indice = np.arange(len(index))
plt.xticks(indice, index)
plt.xlabel("")
plt.savefig('ganancia_semana.png', dpi=300)
plt.show()
print(my_df.describe())
Total = my_df['total_amount'].sum()
print ("La ganancia total del mes en u$ es:",Total)
Total2 = my_df['quantity'].sum()
print ("La cantidad total de unidades vendidas es:",Total2)
Total3 = my_df['country_name'].drop_duplicates().count()
print ("La cantidad de países con los que se comercializó es :",Total3)
Total4 = my_df['seller_name'].drop_duplicates().count()
print ("La cantidad de vendedores es: ",Total4)
# RESOLUCIÓN ANALÍTICA
grouped = my_df.groupby('country_name').agg({
"quantity": 'sum',
"article_name": 'count',
"total_amount": 'sum',
}).sort_values('total_amount',ascending=False)
renaming = {"quantity": "Cantidad", "article_name": "N° artículos.", "total_amount": "Ganancia",}
renamed = grouped.rename(columns=renaming)
renamed['Ganancia'] = renamed['Ganancia'].apply(lambda x: f"${x:.1f}")
print(renamed)
# RESOLUCIÓN GRÁFICA
df6=(my_df.groupby('country_name').sum()).sort_values('total_amount',ascending=False)
plt.barh(df6.index,df6['total_amount'])
plt.title('Ganancia en dolares u$', size = 16)
plt.ylabel('')
plt.xlabel('')
plt.show()
# RESOLUCIÓN GRÁFICA
grouped["quantity"].plot(kind="barh")
plt.title('Cantidad de artículos vendidos (unidades)', size = 16)
plt.ylabel('')
plt.xlabel('')
plt.show()
df42 = my_df[['article_name', 'quantity']]
# ( article_name quantity
# 0 Water Cooling 10
# 0 Other 10
# 0 Phone 10
article_quantity_by_article_name = df42.groupby(['article_name']).agg({
"quantity": 'sum'
}).sort_values('quantity', ascending=False)
top_articles = article_quantity_by_article_name.head(10)
print('TOP ARTICLES')
print(top_articles)
plt.bar(top_articles.index,top_articles['quantity'])
plt.xticks(rotation=90)
plt.title('Artículos con mayor demanda', size = 16)
plt.ylabel('Unidades')
plt.xlabel('')
#grouped.to_csv("dataset_agrupado.csv")
print('BOTTOM ARTICLES')
bottom_articles = article_quantity_by_article_name.tail(10)
print(bottom_articles)
# RESOLUCIÓN GRÁFICA
plt.bar(bottom_articles.index,bottom_articles['quantity'])
plt.xticks(rotation=90)
plt.title('Artículos a enforcar la campaña publicitario', size = 16)
plt.ylabel('Unidades')
plt.xlabel('')
plt.show()