TP Final Integrador - Gonzalo Cortez Codo a Codo 4.0

# 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 import matplotlib.pylab as plt import seaborn as sns

# Levanto los datos en 3 diferentes dataframes ## Articulos conn = sql3.connect('/work/data/articles.db') df_articles = pd.read_sql_query('SELECT * FROM articles', conn) ## 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()) 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'] = round((precioArticulo * cantArticulo),2) # 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 q_articles_sell_df= my_df.groupby('article_name').sum() best10_articles_by_unit = q_articles_sell_df.sort_values('quantity', ascending=False).head(10) print(best10_articles_by_unit['quantity'].head(1))

# RESOLUCIÓN GRÁFICA sns.barplot(y=best10_articles_by_unit["quantity"], x=best10_articles_by_unit.index) plt.title('BEST TEN Articles by Units') plt.xticks(rotation=45) plt.xlabel('Articles') plt.ylabel('Quantity') plt.show()

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

# RESOLUCIÓN GRÁFICA plt.barh(q_article_best_sell_df.index,q_article_best_sell_df['total_amount'] , height=0.8) plt.show()

# RESOLUCIÓN ANALÍTICA Best_seller_month = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False).head(5) print(Best_seller_month[['quantity']+['total_amount']])

# RESOLUCIÓN GRÁFICA plt.bar(Best_seller_month.index,Best_seller_month['total_amount']) plt.xticks(rotation=60, ha="right") plt.show()

Grafico. Muestra los 5 mejores Vendedores del Mes entre los cinco primeros.

#Habria que buscar o la semana mas debil, para aumentar las ventas o la semana mas fuerte para potenciarlas. # RESOLUCIÓN ANALÍTICA week_df = (my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False) week_df['Semana'] = week_df.index week_df = week_df.set_index('Semana') print(week_df)

# RESOLUCIÓN GRÁFICA sns.barplot(y=df5["total_amount"], x=df5.index) plt.xlabel("Semanas") plt.ylabel("Montos") plt.title("Ventas semanales") plt.show()

# RESOLUCIÓN ANALÍTICA boolean_mask_df = my_df['article_name'].isin(['Full Pc']) seller_fullpc_df = my_df[boolean_mask_df].sort_values('seller_name', ascending=True) seller_bycountry_df=seller_fullpc_df.groupby('country_name').sum().sort_values('total_amount',ascending=False) seller_bycountry_df=seller_bycountry_df.drop(['week'], axis=1) print(seller_bycountry_df)

#Resolución Grafica plt.bar(seller_bycountry_df.index,seller_bycountry_df['total_amount']) plt.xticks(rotation=60, ha="right") plt.xlabel("Países") plt.ylabel("Monto vendido") plt.title("Monto vendido de Full PC país") plt.show()

# RESOLUCIÓN ANALÍTICA seller_fullpc_by_name_df=seller_CPU_df.groupby('seller_name').sum().sort_values('total_amount',ascending=False).head(5) #seller_CPU_by_name_df=seller_CPU_by_name_df.drop(['week'], axis=1) print(seller_CPU_by_name_df)

# RESOLUCIÓN GRÁFICA plt.bar(seller_CPU_by_name_df.index,seller_CPU_by_name_df['total_amount']) plt.xticks(rotation=60, ha="right") plt.xlabel("Vendedores") plt.ylabel("Montos") plt.title("Mejores Vendedores de Full Pc") plt.show()

# RESOLUCIÓN #Filtro Chile filter_chile=my_df['country_name']=='Chile' chile_df = my_df[filter_chile] #Agrupo Por Articulo y Sumarizo chile_agrupado_df=chile_df.groupby("article_name").sum().sort_values('total_amount',ascending=False).drop(['week'], axis=1).head(10) print (chile_agrupado_df)

# RESOLUCIÓN GRÁFICA # RESOLUCIÓN GRÁFICA colors = sns.color_palette('Set2')[0:9] plt.pie(chile_agrupado_df['total_amount'], labels = chile_agrupado_df.index, colors = colors, autopct='%.0f%%') plt.title('Las ventas de los Productos en Chile') plt.show()

Analizando los datos de Artículos vendidos en los paises analizados, interesa saber cual es el producto que mas impacto tiene en el monto vendido y que pais es el que lleva la delantera, es notable como la computadora completa (Full PC) es mas rentable que el resto de los articulos y como Brasil es el país mas recaudador. Surge que en Chile es el pais que menos impacto tiene y por ende se analiza que productos funcionan ahi, siendo recien el cuarto articulo mas vendido, se profundizara el análisis para ir elaborando estrategias a futuro y poder incrementar las ventas de las Full PC que como ya sabemos son el producto mas rentable.