# 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 # ARTICULOS conn = sql3.connect('/work/data/articles.db') query1 = pd.read_sql_query('SELECT * FROM articles', conn) df_articles = pd.DataFrame(query1, columns =['article_id', 'article_name', 'unit_price']) print(df_articles)

# VENDEDORES de_sellers = pd.read.excel('/work/data/sellers.xlsx') print (df_sellers)

# entonces copiamos y pasamos x google # encuentro q tngo q instalar un paquete # una libreria nueva que no viene con deepnotes # necesito salir del nterprete de pytin con ! antes de los import #!pip install openpyxl==3.0.10 df_sellers = pd.read_excel('/work/data/sellers.xlsx') print (df_sellers)

# Me conviene usar el id como indice 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_orders)

# Exploración del df de artículos print('Muestra de datos') print(df_articles.head()) print('\n Formato del dataframe') print(df_articles.shape) print('\n Busqueda de valores nulos por columna') print(df_articles.isnull().sum()) print('\n Formato de los datos') print(df_articles.dtypes)

# Exploración del df de vendedores print('Muestra de datos') print(df_sellers.head()) print('\n Formato del dataframe') print(df_sellers.shape) print('\n Busqueda de valores nulos por columna') print(df_sellers.isnull().sum()) print('\n Formato de los datos') print(df_sellers.dtypes)

# Exploración del df de órdenes print('Muestra de datos') print(df_orders.head()) print('\n Formato del dataframe') print(df_orders.shape) print('\n Busqueda de valores nulos por columna') print(df_orders.isnull().sum()) print('\n Formato 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 base my_df = df_orders.copy() print(my_df)

# habia q cambiar el indice del df articulos df_articles.set_index('article_id', inplace=True) print (df_articles)

# Agrego algunas columnas y pongo el campo que me va a servir de "ancla" my_df = my_df.assign(article_name = my_df['article_id']) print(my_df)

# necesito el precio unitario my_df = my_df.assign(total_amount = my_df['article_id']) my_df = my_df.assign(seller_name = my_df['seller_id'])

# como reemplazo los valores en en nuevo df # ejemplo id article x nombre article # df_article[?][article_name] una vez x c/u de los registros =>z for for i in range(len(my_df.index)): # len ...devuelve cantidad de registros article = df_articles.loc[my_df.loc[i]['article_name']]['article_name'] # reemplazo la columna 'article_name' my_df.loc[i,'article_name']= article # modificar la columna 'total_amount' # my_df.loc[i,'total_amount']= my_df.loc[i,'quantity'] * # unit_price # unite_pfice ... df_articles.loc[my_df.loc[i]['total_amount']]['unit_price'] # my_df.loc[i,'total_amount']= my_df.loc[i,'quantity'] * df my_df.loc[i,'total_amount'] = my_df.loc[i,'quantity'] * df_articles.loc[my_df.loc[i]['total_amount']]['unit_price'] # modificar la columna 'seller_name' my_df.loc[i,'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_name']]['seller_name'] print(my_df)

# 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 ---- estilooo sns.displot(my_df, x = 'article_name', color='tab:purple') plt.xticks(rotation=90) plt.show()

# RESOLUCIÓN ANALÍTICA my_df3 = (my_df.groupby('article_name').sum()).sort_values('total_amount', ascending=False).head(5) print(my_df3['total_amount'])

# RESOLUCIÓN GRÁFICA # OJO: No puedo hacer analisis comparativo ni poner porcentaje porque # no están todos los articulos en esde df. Solo puse los top 5 c=['gold','purple','blue','yellowgreen','lightskyblue'] plt.pie(x=my_df3['total_amount'], labels=my_df3.index, colors = c) plt.show()

# RESOLUCIÓN ANALÍTICA my_df4 = (my_df.groupby('seller_name').sum()).sort_values('total_amount', ascending=False) print(my_df4[['quantity']+['total_amount']])

# RESOLUCIÓN GRÁFICA plt.bar(my_df4.index, my_df4['total_amount'], color= 'gold') plt.xticks(rotation=60) plt.show()

# RESOLUCIÓN ANALÍTICA my_df5 = (my_df.groupby('week').sum()).sort_values('total_amount', ascending=False) print(my_df5)

# RESOLUCIÓN GRÁFICA plt.bar(my_df5.index, my_df5['total_amount'], color='yellowgreen') # c=['gold','purple','blue','yellowgreen'] # plt.pie(my_df5.index, my_df5['total_amount'], labels=my_df5.index, color=c, autopct ='%1,2f%%') plt.show()

# RESOLUCIÓN cantry name ...otra con correlacion entre vbles categoricas my_df6 = (my_df.groupby('country_name').sum()).sort_values('total_amount', ascending=False).head(5) print(my_df6)

# RESOLUCIÓN my_df7 = (my_df.groupby('country_name').sum()).sort_values('quantity', ascending=False).head(5) print(my_df7)

# RESOLUCIÓN my_df8 = my_df.groupby('seller_name').sum() por_mont = my_df8.sort_values('total_amount', ascending= False) print(por_mont['total_amount'].head(1))