# 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 # para que levante bien el excel import matplotlib.pyplot as plt import seaborn as sns

# Levanto los datos en 3 diferentes dataframes # Artículos conn = sql3.connect('/work/data/articles.db') df_articles = pd.read_sql_query('SELECT article_id, article_name, unit_price 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) # Órdenes df_orders = pd.read_csv('/work/data/orders.csv')

def imprimirDatos(df): print('Muestra de datos') print(df.head()) print('\nFormato del dataframe') print(df.shape) print('\nBúsqueda de valores nulos por columna') print(df.isnull().sum()) print('\nFormato de los datos por columna') print(df.dtypes) # Exploración del df de artículos imprimirDatos(df_articles)

# Exploración del df de vendedores imprimirDatos(df_sellers)

# Exploración del df de órdenes imprimirDatos(df_orders)

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_artic = df_articles.set_index('article_id',inplace = False) # 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 # Obtenemos article_name id_articulo = my_df.loc[i]['article_id'] nombreArticulo = df_artic.loc[id_articulo]['article_name'] #se lo asigno a la columna correspondiente my_df.loc[i,'article_name'] = nombreArticulo # Obtenemos total_amount precioArticulo = df_artic.loc[id_articulo]['unit_price'] my_df.loc[i, 'total_amount'] = my_df.loc[i,'quantity'] * precioArticulo # Obtenemos seller_name id_vendedor = my_df.loc[i]['seller_id'] nombreVendedor = df_sellers.loc[id_vendedor]['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) my_df.round(2)

# RESOLUCIÓN ANALÍTICA df_cant_articulos = my_df.groupby('article_name').sum() df_cant_articulos_ord = df_cant_articulos.sort_values('quantity', ascending=False) print(df_cant_articulos_ord['quantity'].head(1) ) df_cant_articulos_ord.round(2)

sns.set_palette('bright') # RESOLUCIÓN GRÁFICA sns.barplot(y = df_cant_articulos_ord["quantity"], x=df_cant_articulos_ord.index) plt.xticks(rotation=90) plt.show()

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

# RESOLUCIÓN GRÁFICA # plt.pie(x=df_monto_articulo_ord['total_amount'], labels=df_monto_articulo_ord.index) # plt.show() plt.barh(df_monto_articulo_ord.index, df_monto_articulo_ord['total_amount'] , height=0.7) plt.show()

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

# RESOLUCIÓN GRÁFICA plt.bar(df_monto_vendedor_ord.index, df_monto_vendedor_ord['total_amount']) plt.xticks(rotation=45, ha="right") plt.show()

# RESOLUCIÓN ANALÍTICA df_venta_semanal = my_df.groupby(by='week').sum().sort_values('total_amount',ascending=False) print(df_venta_semanal['total_amount'])

# RESOLUCIÓN GRÁFICA plt.bar(df_venta_semanal.index,df_venta_semanal['total_amount'], width=0.8) plt.show()

# RESOLUCIÓN df_ventas_paises = my_df.groupby('country_name').sum().sort_values('total_amount',ascending=False).head() df_ventas_paises['total_amount'].round(2)

# RESOLUCIÓN # ¿Cual es la semana de mayor venta para cada pais? # Previsualizar el DF final # Pais1 4 monto # Pais2 3 monto df_pais_semana = my_df.groupby(['country_name','week']).sum() paises = my_df.groupby('country_name').sum().index.values #print(type(paises)) df_p_s = pd.DataFrame(columns=['Semana', 'Ventas'], index=paises) for p in paises: df = df_pais_semana.loc[p] m = df.max()['total_amount'] w = df[(df['total_amount'] == m)].index[0] #print('Pais:',p,' Semana:',w,' Total ventas:', m) df_p_s.loc[p]= {'Semana': w, 'Ventas': m } df_p_s['Semana'] = df_p_s['Semana'].astype(int) #print(df_p_s) g=sns.barplot(data=df_p_s, x=df_p_s.index ,y='Ventas', hue='Semana') g.set_xticklabels(labels=df_p_s.index,rotation=90) plt.show()

# RESOLUCIÓN df_sells_semana = my_df.groupby(['week','seller_name']).sum() df_sells_semana.reset_index(inplace=True) sns.boxplot(x='week' ,y='total_amount', data= df_sells_semana)