# 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'])
#df_articles
# Vendedores
df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0)
#df_sellers
# Ordenes
df_orders = pd.read_csv('/work/data/orders.csv')
#df_orders
# Exploración del df de artículos
print('Muestra de datos')
print(df_articles.head())
print('\nFormato del dataframe')
print(df_articles.shape)
print('\nBuscar valores nulos')
print(df_articles.isnull().sum())
print('\nFortmato de los datos del dataframe')
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('\nBuscar valores nulos')
print(df_sellers.isnull().sum())
print('\nFortmato de los datos del dataframe')
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('\nBuscar valores nulos')
print(df_orders.isnull().sum())
print('\nFortmato de los datos del dataframe')
print(df_orders.dtypes)
# Cambiar a float los precios unitarios
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) #esta comentado porque solo se debe ejecutar una vez
df_articles
#
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'])
#Reemplazar los valores reales en el df
for i in range (len(my_df.index)): #len(my_df.index) devuelva la cantidad de filas (registros)
#reemplazo el nombre del articulo usando el id guardado en my_df
article = df_articles.loc[my_df.loc[i]['article_id']]['article_name']
my_df.loc[i, 'article_name'] = article
#reemplazo el nombre del vendedor usando el id guardado en my_df
my_df.loc[i, 'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_id']]['seller_name']
#busco el pecio unitario y lo multiplico por la cantidad de unidades vendidas.
my_df.loc[i, 'total_amount'] = df_articles.loc[my_df.loc[i]['article_id']]['unit_price'] * my_df.loc[i, 'quantity']
#elimino las columnas que no utilizo
my_df.drop(['article_id', 'seller_id', 'order_id'], axis='columns', inplace=True)
print(my_df.head())
# RESOLUCIÓN ANALÍTICA
my_df2 = my_df.groupby('article_name').sum()
por_cantidad = my_df2.sort_values('quantity', ascending=False)
print(por_cantidad['quantity'].head(1))
# OTRA RESOLUCIÓN ANALÍTICA POSIBLE
my_df2 = my_df.groupby('article_name').sum()
print(my_df2['quantity'].max())
# RESOLUCIÓN GRÁFICA
sns.barplot(x=my_df2.index, y=my_df2['quantity'], data=my_df2, order=my_df2.sort_values('quantity', ascending=False).index).set(title='Ventas por articulo')
plt.xticks(rotation=90)
plt.show()
# RESOLUCIÓN ANALÍTICA
my_df2 = my_df.groupby('article_name').sum()
mas_ingresos = my_df2.sort_values('total_amount', ascending=False).head()
print(mas_ingresos['total_amount'].head())
# RESOLUCIÓN GRÁFICA
#OJO Solo graficamos los primeros 5 productos si ponemos el porcentaje de ventas de cada uno
# No sería el número real
plt.pie(x=mas_ingresos['total_amount'], labels=mas_ingresos.index)
plt.show()
# RESOLUCIÓN ANALÍTICA
df3 = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending=False)
print(df3[['quantity']+['total_amount']])
# RESOLUCIÓN GRÁFICA
plt.bar(df3.index, df3['total_amount'])
plt.xticks(rotation=75)
plt.show()
# RESOLUCIÓN ANALÍTICA
df4 = my_df.groupby('week').sum()
print(df4)
# RESOLUCIÓN GRÁFICA
plt.bar(df4.index, df4['total_amount'], color=['b','g','r','m'])
plt.show()
# RESOLUCIÓN
df5 = my_df.groupby('country_name').sum()
por_cantidad = df5.sort_values('quantity', ascending=False).head(1)
por_cantidad
# RESOLUCIÓN
df6 = my_df.groupby('country_name').sum().sort_values('total_amount', ascending=False)
por_cantidad = df6.sort_values('quantity', ascending=False).head(5)
por_cantidad
#Gráfico
plt.bar(por_cantidad.index, por_cantidad['quantity'], color=['g','r','b','y','m'])
plt.xticks(rotation=75)
plt.show()
# RESOLUCIÓN
df7 = my_df.groupby('country_name').sum().sort_values('total_amount', ascending=True)
por_cantidad = df6.sort_values('quantity', ascending=True).head(5)
por_cantidad
#GRÁFICO
plt.bar(por_cantidad.index, por_cantidad['quantity'], color=['g','b','r','y','m'])
plt.xticks(rotation=75)
plt.show()