# 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)
# 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
# Ventas filtrado por país. Comparar 2 países
# Cuál es el producto que más se vende, en qué cantidad
# Resolución Analítica y Gráfica
# Res. Análitica
print("VENTAS TOTALES POR PAIS")
df_pais = my_df
#print(df_pais)
print(df_pais.groupby(['country_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False))
df_ranking=df_pais.groupby(['country_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False)
# Res. Grafica
print("VENTAS TOTALES POR PAIS")
sns.barplot(df_ranking.index, df_ranking['total_amount'],palette='icefire')
plt.xticks(rotation=90)
plt.title("VENTAS TOTALES POR PAIS")
plt.xlabel("PAIS")
plt.ylabel("VENTAS TOTALES ($)")
plt.yticks(np.arange(0,450001,25000))
plt.show()
# Comparación Brasil-Argentina (Top 2), en unidades ("quantity") y ventas ("total_amount")
# Res. Analítica
print("COMPARACION BRA/ARG - TOP 2")
df_pais2 = (my_df.groupby(by= 'country_name').sum()).sort_values('total_amount', ascending=False)
pd.options.display.float_format= '$ {:,.2f}'.format
# print(df4[['quantity'] + ['total_amount']])
print(df_pais2[['quantity'] + ['total_amount']].head(2))
df_pais3=df_pais2[['quantity'] + ['total_amount']].head(2)
# Res. Grafica
print("COMPARACION BRA/ARG - TOP 2 - VENTAS")
sns.barplot(df_pais3.index, df_pais3['total_amount'],color='C3')
plt.xticks(rotation=90)
plt.title("COMPARACION BRA/ARG - TOP 2 - VENTA")
plt.xlabel("PAIS")
plt.ylabel("VENTAS TOTALES ($)")
plt.yticks(np.arange(0,450001,25000))
plt.show()
print("COMPARACION BRA/ARG - TOP 2 - UNIDADES")
sns.barplot(df_pais3.index, df_pais3['quantity'],color='C5')
plt.xticks(rotation=90)
plt.title("COMPARACION BRA/ARG - TOP 2 - UNIDADES")
plt.xlabel("PAIS")
plt.ylabel("UNIDADES VENDIDAS")
plt.yticks(np.arange(0,2501,250))
plt.show()
#Ranking de ventas por articulos
print("RANKING DE VENTAS POR ARTICULO (CANTIDADES TOTALES)")
df_articulo2 = my_df
#print(df_articulo)
print(df_articulo2.groupby(['article_name']).agg({'quantity':'count'}).sort_values('quantity', ascending=False))
top5= (df_articulo2.groupby(['article_name']).agg({'quantity':'count'}).sort_values('quantity', ascending=False).head())
# RESOLUCIÓN
# Evolución de Ventas por producto.
# Tomar 2 países y 'week' como variable categórica
# Resolución Analítica y Gráfica
# Res. Analitica (Ventas semanales en Brasil)
print("VENTAS TOTALES POR SEMANA EN BRASIL")
df_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')]
print(df_brasil.groupby(['week']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False))
df_brasil2=df_brasil.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True)
print("UNIDADES VENDIDAS POR SEMANA EN BRASIL")
df_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')]
print(df_brasil.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True))
df_brasil2=df_brasil.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)
# Res. Grafica (Ventas semanales en Brasil)
f_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')]
#print(df_brasil.groupby(['week']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False))
df_brasil2=df_brasil.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True)
plt.plot(df_brasil2,color='red')
plt.title("VENTAS TOTALES POR SEMANA EN BRASIL")
plt.xlabel("SEMANA")
plt.ylabel("VENTAS TOTALES")
plt.yticks(np.arange(70000,170000,5000))
plt.xticks(np.arange(1,5,1))
plt.grid()
plt.show()
df_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')]
#print(df_brasil.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True))
df_brasil2=df_brasil.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)
plt.plot(df_brasil2,color='pink')
plt.title("UNIDADES VENDIDAS POR SEMANA EN BRASIL")
plt.xlabel("SEMANA")
plt.ylabel("UNIDADES")
plt.yticks(np.arange(45,100,5))
plt.xticks(np.arange(1,5,1))
plt.grid()
plt.show()
# Res. Analitica (Ventas semanales en Argentina)
print("VENTAS TOTALES POR SEMANA EN ARGENTINA")
df_argentina = my_df.loc[my_df['country_name'] == 'Argentina']
print(df_argentina.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True))
df_argentina2=df_argentina.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True)
print("UNIDADES VENDIDAS POR SEMANA EN ARGENTINA")
df_argentina = my_df.loc[my_df['country_name'] == 'Argentina']
print(df_argentina.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True))
df_argentina2=df_argentina.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)
# Res. Grafica (Ventas semanales en Argentina)
df_argentina = my_df.loc[my_df['country_name'] == 'Argentina']
#print(df_argentina.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True))
df_argentina2=df_argentina.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True)
plt.plot(df_argentina2,color='purple')
plt.title("VENTAS TOTALES POR SEMANA EN ARGENTINA")
plt.xlabel("SEMANA")
plt.ylabel("VENTAS TOTALES")
plt.yticks(np.arange(18000,98000,5000))
plt.xticks(np.arange(1,5,1))
plt.grid()
plt.show()
df_argentina = my_df.loc[my_df['country_name'] == 'Argentina']
#print(df_argentina.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True))
df_argentina2=df_argentina.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)
plt.plot(df_argentina2,color='blue')
plt.title("UNIDADES VENDIDAS POR SEMANA EN ARGENTINAA")
plt.xlabel("SEMANA")
plt.ylabel("UNIDADES")
plt.yticks(np.arange(10,50,5))
plt.xticks(np.arange(1,5,1))
plt.grid()
plt.show()
# RESOLUCIÓN
# Mejor vendedor/producto. Mostrar importe/cantidad. Comparar 2 países (variable categórica)
# Resolución Analítica y Gráfica
#Vendedor/Producto
print("ARTICULO/CANTIDAD VENDIDA POR VENDEDOR")
df_sample4 = my_df.set_index(['seller_name']).sort_index(ascending=[True])
#print(df_sample)
pd.options.display.float_format= '$ {:,.2f}'.format
#df = sns.load_dataset('df_sample')
df_sample4.groupby(['seller_name','article_name'])['quantity'].count().to_frame().sort_values('quantity', ascending=False)
print(df_sample4.groupby(['seller_name','article_name'])['quantity'].count().to_frame().sort_values('quantity', ascending=False).head(15))
#Grafico Importe - Cantidad Brasil
df_brazil = my_df[my_df['country_name'] == 'Brazil']
df_brazil_sellers = (df_brazil.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False).index.values
fig, ax1 = plt.subplots()
sns.barplot(x='seller_name', y='total_amount', data = df_brazil, ax=ax1, palette='Accent', order = df_brazil_sellers, ci=None)
plt.xticks(rotation=90)
ax2 = ax1.twinx()
sns.lineplot(data = df_brazil, x='seller_name', y='quantity', ax=ax2, color='C11', ci=None)
plt.xticks(rotation=90)
plt.title('VENTAS ($ Y UNIDADES) POR VENDEDOR EN BRASIL')
ax1.set_xlabel("VENDEDOR")
ax1.set_ylabel("VENTAS TOTALES (barras)")
ax2.set_ylabel("UNIDADES VENDIDAS (linea)")
plt.show()
#Grafico Importe - Cantidad Argentina
df_argentina = my_df[my_df['country_name'] == 'Argentina']
df_argentina_sellers = (df_argentina.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False).index.values
fig, ax1 = plt.subplots()
sns.barplot(x='seller_name', y='total_amount', data = df_argentina, ax=ax1, palette='rainbow_r', order = df_argentina_sellers, ci=None)
plt.xticks(rotation=90)
ax2 = ax1.twinx()
sns.lineplot(data = df_argentina, x='seller_name', y='quantity', ax=ax2, color='C11', ci=None)
plt.xticks(rotation=90)
plt.title('VENTAS ($ Y UNIDADES) POR VENDEDOR EN ARGENTINA')
ax1.set_xlabel("VENDEDOR")
ax1.set_ylabel("VENTAS TOTALES (barras)")
ax2.set_ylabel("UNIDADES VENDIDAS (linea)")
plt.show()