# 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)