TP Final Integrador 22612

5. ¿Cuáles son los tres países con mayor ventas?

#Resolución Analítica df5 = my_df.groupby(by='country_name').sum().sort_values('quantity', ascending=False) print(df5[['quantity','total_amount']].head())

# RESOLUCIÓN GRÁFICA plt.bar(df5.index, df5['quantity'], color = ['red' if x in df5.index[0:3] else 'blue' for x in df5.index]) #las columnas en rojo muestra los tres primero paises con mayor ventas font1={'family':'serif','color':'m','size':15} font2 = {'family':'serif','color':'red','size':10} plt.title("Ventas por paises", fontdict = font1) plt.xlabel("Paises",fontdict = font2) plt.ylabel("Unidades vendidas", fontdict = font2) plt.style.use('fivethirtyeight') plt.xticks(rotation=90, fontsize=9, fontweight='bold', color='darkred') plt.show()

6. ¿Cuál es la semana con mayor ventas en Argentina?

# Resolución Analítica df6 = my_df[my_df['country_name'] == 'Argentina'] print(df6[['week','total_amount', 'quantity']].groupby('week').sum().sort_values('quantity', ascending=False)) df6_a = df6[['week','quantity']].groupby('week').sum('quantity').sort_values('quantity', ascending=False).reset_index() print(df6_a)

#Resolución gráfica fig, ax1 = plt.subplots() sns.lineplot(data = df6_a, x = 'week', y='quantity', ax=ax1, color='m') plt.xticks(rotation=90) font1={'family':'serif','color':'m','size':15} font2 = {'family':'serif','color':'red','size':10} plt.title('Ventas en Argentina', fontdict= font1) ax1.set_xlabel("Meses", fontdict= font2) ax1.set_ylabel("Cantidad vendida", fontdict=font2) plt.xticks(rotation=360, fontsize=9, color='darkred') plt.show()

7. ¿Cuál es el artículo más vendido en Argentina?

# Resolución Analítica #filtro por pais Argentina df7 = my_df[my_df['country_name'] == 'Argentina'] print(df7[['article_name','total_amount', 'quantity']].groupby('article_name').sum().sort_values('quantity', ascending=False)) df7_a = df7[['article_name','quantity']].groupby('article_name').sum('quantity').sort_values('quantity', ascending=False).reset_index() print(df7_a)

#Resolución gráfica fig, ax1 = plt.subplots() sns.lineplot(data = df7_a, x = 'article_name', y='quantity', ax=ax1, color='m') plt.xticks(rotation=90) font1={'family':'serif','color':'m','size':15} font2 = {'family':'serif','color':'red','size':10} plt.title('Artículos más vendidos', fontdict=font1) plt.xticks(rotation=90, fontsize=9, fontweight='bold', color='darkred') ax1.set_xlabel("Articulos", fontdict=font2) ax1.set_ylabel("Cantidad vendida", fontdict=font2) plt.show()

Podemos observar en este análisis, con los datos brindados de todos los países, que el artículo más vendido es "HDD" con una cantidad de 413 unidades, y con un ingreso de $22,558.06. No obstante, el artículo que más ingresos dinerarios nos generó es "FULL PC", siendo el 50.80% de las ventas, resultando un monto total de $ 538,335.93. En cuanto a lo que refiere a las ventas, el vendedor que más ventas realizó, y por ende debe otorgarse el bono de "Mejor Vendedor del mes" es Janel O'curran, con una venta de 703 artículos, ocasionando una recaudación de $192.832.47. Así mismo, podemos deducir que existen variaciones de ventas a lo largo del mes, entre la primer semana y la segunda la variación es ínfima, sin embargo con respecto a la última semana notamos una variación del 50% por debajo. En cuanto a las ventas realizadas por países, los tres países con mejor ventas son; Brasil, Perú y Argentina, siendo Brasil el país que ampliamente hace gran diferencia con su país sucesor. Apuntando a nuestro país, concluimos que la semana con mayor ventas es la segunda del mes y el artículo más vendido es "CPU". Finalizando con este análisis, podemos distinguir que las ventas decaen en las últimas semanas del mes, por tal motivo es recomendable lanzar promociones en la tercera y cuarta semana, así mantener de forma lineal las ventas. También se debería entregar al menos a los cinco mejores vendedores de cada país, premios y bonos, para lograr una mayor incentivación en los empleados.