TP Final Integrador Castillo Daniel 22039

Daniel Alejandro Castillo. Codo a Codo 4.0 Big Data - Marzo-Julio 2022 Comisión #22039

# 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') 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) # Órdenes 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'] = precioArticulo * cantArticulo # 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) my_df

# RESOLUCIÓN ANALÍTICA my_df2=my_df.groupby('article_name').sum() por_cant = my_df2.sort_values('quantity', ascending=False) print(por_cant['quantity'].head(1))

# RESOLUCIÓN GRÁFICA sns.barplot(y=por_cant["quantity"], x=por_cant.index, palette = "ch:.75") plt.xticks(rotation=90) plt.title('Artículo más vendido', size=20) plt.ylabel('Cantidad', size=15) plt.xlabel('Artículo', size=15) plt.xticks(size=10) plt.yticks(size=15) plt.show()

1) El artículo más vendido es el disco rígido HDD con 413 ventas.

# RESOLUCIÓN ANALÍTICA df2 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(5) pd.set_option("display.precision", 0) print(df2['total_amount'])

# RESOLUCIÓN GRÁFICA plt.barh(df2.index,df2['total_amount'] , height=0.8, color=['blue', 'orange', 'teal', 'hotpink', 'aqua']) plt.title('Artículo que más ingresos proporcionó', size=20) plt.ylabel('Artículo', size=15) plt.xlabel('Ventas totales en u$s', size=15) plt.xticks(size=15) plt.yticks(size=15) plt.show()

2) El artículo que más ingresos proporciono es la Full Pc con 538335.93 U$S.

# RESOLUCIÓN ANALÍTICA df4 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False) pd.set_option("display.precision", 0) print(df4[['quantity']+['total_amount']])

# RESOLUCIÓN GRÁFICA sns.barplot(y=df4['total_amount'], x=df4.index, palette = "ch:.75") # plt.bar(df4.index,df4['total_amount']) plt.xticks(rotation=90, ha="right") plt.title('Mejor vendedor del mes', size=20) plt.ylabel('Ventas totales en u$s', size=15) plt.xlabel('Vendedor', size=15) plt.xticks(size=15) plt.yticks(size=15) plt.show()

3) Se debe otorgar el bono al mejor vendedor del mes a Janel O'Curran.

# RESOLUCIÓN ANALÍTICA df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False) print(df5['total_amount'])

# RESOLUCIÓN GRÁFICA plt.bar(df5.index,df5['total_amount'], color=['turquoise', 'plum', 'teal', 'hotpink']) plt.title('Variaciones en los ingresos a lo largo del mes', size=20) plt.ylabel('Ventas totales en u$s', size=15) plt.xlabel('Semana', size=15) plt.xticks(size=15) plt.yticks(size=15) plt.show()

4) Vemos que entre la semana 1 y la 4 hay un descenso de las ventas.

# RESOLUCIÓN ANALÍTICA df6 = (my_df.groupby(by='country_name').sum()).sort_values('total_amount',ascending=False) print(df6[['quantity']+['total_amount']]) plt.bar(df6.index,df6['total_amount'], color='orange') plt.xticks(rotation=90, ha="right") plt.title('País que más ingresos proporcionó', size=15) plt.ylabel('Ventas totales en u$s', size=15) plt.xlabel('Países', size=15) plt.xticks(size=15) plt.yticks(size=15) plt.show()

5) El país que más ingresos proporcionó es Brazil.

# RESOLUCIÓN ANALÍTICA df8 = (my_df.groupby(['article_name']+['country_name'])).sum().sort_values('total_amount',ascending=False) # df8 = (my_df.groupby(['article_name'])).sum().sort_values('total_amount',ascending=False) df10=df8.loc[['Full Pc']+['Notebook']] df11 = pd.pivot_table(df10, values=["total_amount"], index=["country_name"], columns=["article_name"]) df12 = df11.loc[['Brazil']+['Argentina']+['Colombia']+['Peru']+['Mexico']] print(df12['total_amount']) df12.plot.barh(stacked=True, legend=True) plt.xticks(rotation=90, ha="right") plt.title('Artículos más vendidos en los principales países', size=20) plt.xlabel('Ventas totales en u$s', size=15) plt.ylabel('Países', size=15) plt.legend(['Full Pc']+['Notebook']) plt.xticks(size=15) plt.yticks(size=15) plt.show()

6) En Brazil, Argentina, Colombia y Peru la Full Pc fue la que más ingreso proporcionó mientras en Mexico fue la Notebook.

# Primero veo que cantidad de artículos vendió cada uno. df17 = (my_df.groupby(['seller_name'])).sum().sort_values('quantity',ascending=False) # df17 df19 = pd.pivot_table(df17, values="quantity", index=["seller_name"]) # df19 df20 = df19.loc[['Cirilo Grandham']+['Cornie Wynrehame']+['Tobin Roselli']+['Oliviero Charkham']+['Brockie Patience']+["Janel O'Curran"]] df20 # df21 df20.plot.barh(stacked=True, legend=False, color=['turquoise']) plt.xticks(rotation=90, ha="right") plt.title('Cantidad de articulos vendidos por los mejores y los peores vendedores', size=20) plt.xlabel('Cantidad', size=15) plt.ylabel('Vendedores', size=15) plt.xticks(size=15) plt.yticks(size=15) plt.show() #Veo que no hay grandes diferencias entre las cantidad vendidas por cada unos de los vendedores. # Ahora veo los ingresos que generaron por la venta de Full Pc y Notebooks cada vendedor df13 = (my_df.groupby(['article_name']+['seller_name'])).sum().sort_values('total_amount',ascending=False) # # df13 df14=df13.loc[['Full Pc']+['Notebook']] # df14 df15 = pd.pivot_table(df14, values="total_amount", index=["seller_name"], columns=["article_name"]) # df15 df16 = df15.loc[['Cirilo Grandham']+['Cornie Wynrehame']+['Tobin Roselli']+['Oliviero Charkham']+['Brockie Patience']+["Janel O'Curran"]] # df16 df16.plot.barh(stacked=True, legend=True) plt.xticks(rotation=90, ha="right") plt.title('Ingresos de los principales articulos entre los mejores y los peores vendedores', size=20) plt.xlabel('Ventas totales en u$s', size=15) plt.ylabel('Vendedores', size=15) plt.xticks(size=15) plt.yticks(size=15) plt.show()

7) Si bien la cantidad de ventas no fue demasiado diferente entre vendedores, se puede ver que los montos totales por la venta de los principales artículos fue mayor en los mejores vendedores.

Conclusiones:

Si bien el articulo más vendido es el disco HDD este no es el que más ingresos totales proporcionó. En cambio, la Full Pc y la Notebook se vendieron en cantidades promedio pero son las que mayores ingresos generaron.

Respecto del punto 4: ¿Hay grandes variaciones en ventas a lo largo del mes? La respuesta es si. Se nota un descenso lineal de la semana 1 hacia la 4. Las ventas de la semana 4 representan un 44.11% de la semana 1.

El mejor vendedor del mes fue Janel O'Curran con 703 artículos vendidos y 192832 U$S de ingresos totales. Salvando el caso de Janel O'Curran, que fue el vendedor que con mayor cantidad de artículos vendidos y con mayores ingresos proporcionados, se puede apreciar en el punto 7 que la diferencia entre el resto de los vendedores no fue tanto por cantidades de ventas sino por el tipo de producto vendido. Mientras los vendedores del puesto n°2 y 3 vendieron grandes cantidades de Full Pc y Notebook los últimos 2 vendedores del ranking prácticamente no vendieron estos artículos.

Por último, en el punto 6 se pueden apreciar los 2 productos que más ingresos proporcionaron (Full Pc y Notebook) en los principales países. Como conclusión de este punto se destaca la importancia de Brasil como comprador de estos artículos, así como la de Argentina y en menor medida a Colombia, Perú y México.

Propuestas:

Sería interesante analizar varios meses del año e incluso años distintos para estudiar si existe una estacionalidad intra o inter anual para las distintas variables analizadas.

Observando que Full Pc y Notebook son los artículos que más ingresos proporcionan se debería realizar distintas acciones respecto a los mismo. Por ejemplo: 1) incentivar a los vendedores para que aumenten sus ventas de estos artículos, quizás mediante premios o bonificaciones. 2) Envío gratis para estos artículos. 3) Promociones para los países que menos compran estos artículos para evitar la dependencia con los países que más los compran.

Finalizando, en cuanto a la estacionalidad semanal que se observó en el punto 4, se debería analizar que producto es el más vendido en cada periodo del mes para promocionar los menos vendidos en cada semana. Otra opción sería lanzar una campaña de promociones en la última semana del mes, sobretodo en Full Pc y Notebook si se quiere asegurar un flujo de ingresos más estable a lo largo del mes.

.css-15w88e5{color:var(--chakra-colors-fg-neutral-primary);font-weight:inherit;letter-spacing:-0.09px;}Daniel Alejandro Castillo. Codo a Codo 4.0 Big Data - Marzo-Julio 2022 Comisión #22039

Conclusiones:

Propuestas:

Daniel Alejandro Castillo. Codo a Codo 4.0 Big Data - Marzo-Julio 2022 Comisión #22039