# 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 # para poder leer la articles.db import openpyxl # para que levante el excel import matplotlib.pyplot as plt #para graficar series import seaborn as sns #para graficar data frame

# Levanto los datos en 3 diferentes dataframes # convierto los archivos en dataframes, siempre que se pueda # Comenzamos con el .db que es el más complicado de interpretar # Debemos realizar una consulta para poder obtener los datos #Articulos conn = sql3.connect('/work/data/articles.db') sql_query = pd.read_sql_query('SELECT * FROM articles', conn) #filtro solamente las columnas que me interesan df_articles = pd.DataFrame(sql_query, columns = ['article_id','article_name','unit_price']) # Vendedores, me quedo solamente con el nombre del vendedor df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0) # Ordenes df_orders = pd.read_csv('/work/data/orders.csv')

# Exploración del df de artículos print('Muestra de datos del dataframe correspondiente a Artículos') print('\nDataframe Artículos') print(df_articles.head()) print('\nDimensión del dataframe :', df_articles.shape[0], 'filas y ', df_articles.shape[1], 'columnas' ) print('\nBúsqueda de valores nulos por columna') print(df_articles.isnull().sum()) print('\nTipo de datos por columna') print(df_articles.dtypes)

# Exploración del df de vendedores print('Muestra de datos del dataframe correspondiente a Vendedores') print('\nDataframe Vendedores') print(df_sellers.head()) print('\nDimensión del dataframe :', df_sellers.shape[0], 'filas y ', df_sellers.shape[1], 'columnas' ) print('\nBúsqueda de valores nulos por columna') print(df_sellers.isnull().sum()) print('\nTipo de datos por columna') print(df_sellers.dtypes)

# Exploración del df de órdenes print('Muestra de datos del dataframe correspondiente a Órdenes') print('\nDataframe Órdenes') print(df_orders.head()) print('\nDimensión del dataframe :', df_orders.shape[0], 'filas y ', df_orders.shape[1], 'columnas' ) print('\nBusqueda de valores nulos por columna') print(df_orders.isnull().sum()) print('\nTipo de datos por columna') print(df_orders.dtypes)

# En esta etapa debemos realizar la conversión necesaria de los datos, filtrar columnas, eliminar ids o asignar los mismos a una columna en particular # además se preparan los datos que se observaron en el paso anterior # Convertimos a la columna unit_price en un dato de tipo float df_articles['unit_price'] = df_articles['unit_price'].astype(float) print(df_articles.dtypes)

# Vamos a crear datos nuevos, a partir de los datos de otros dataframes # Copio los datos de las ordenes dg_df = df_orders.copy() # Cambio el indice del df de articulos, en un nuevo dataframe df_articles2 = df_articles.set_index('article_id',inplace=False) #En df_articles2, voy a asignar a las columnas article_name y total_amount el valor de article_id y para seller_name el valor de seller_id dg_df = dg_df.assign(article_name = dg_df['article_id']) dg_df = dg_df.assign(total_amount = dg_df['article_id']) dg_df = dg_df.assign(seller_name = dg_df['seller_id']) #reemplazo los valores en el nuevo dataframe(dg_df) for i in range(len(dg_df.index)): # obtenemos el id del artículo id_articulo = dg_df.loc[i]['article_id'] # Guardo en un string el nombre del artículo nombreArticulo = df_articles2.loc[id_articulo]['article_name'] # lo asigno a la columna correspondiente dg_df.loc[i,'article_name'] = nombreArticulo # Obtenemos total_amount precioArticulo = df_articles2.loc[id_articulo]['unit_price'] dg_df.loc[i,'total_amount'] = dg_df.loc[i,'quantity'] * precioArticulo # Obtenemos el id del vendedor, asignamos el nombre a una variable y lo asignamos en dg_df id_vendedor = dg_df.loc[i]['seller_id'] nombreVendedor = df_sellers.loc[id_vendedor]['seller_name'] dg_df.loc[i, 'seller_name'] = nombreVendedor # elimino las columnas que no necesito -- Es destructivo, ya que el parámetro inplace=True dg_df.drop(['order_id','article_id','seller_id'], axis='columns', inplace=True)

# RESOLUCIÓN ANALÍTICA # Creo un nuevo dataframe para responder a esta pregunta, en donde voy a agrupar por article_name # y voy a sumar las cantidades. Obtengo el primer elemento y lo muestro df_sum_articulos = dg_df.groupby('article_name').sum() df_sum_articulos_ord = df_sum_articulos.sort_values('quantity',ascending=False) df_cant_mas_vendido = df_sum_articulos_ord['quantity'].head(1) df_art_mas_vendido = df_cant_mas_vendido.index[0] print('El artículo más vendido es',df_art_mas_vendido, 'y la cantidad vendida es',df_cant_mas_vendido[0],'unidades.')

# RESOLUCIÓN GRÁFICA # Obtengo los primeros 5 artículos de la lista de más vendidos df_art_primeros_ord = df_sum_articulos_ord['quantity'].head(5) # Obtengo los últimos 5 artículos de la lista de más vendidos df_art_ultimos_ord = df_sum_articulos_ord['quantity'].tail(5) # Obtengo un nuevo dataframe para mostrar las diferencias entre los primeros 5 y los últimos 5 en unidades vendidas df_graf_articulos = pd.concat([df_art_primeros_ord, df_art_ultimos_ord]) plt.figure(figsize=(8,4), dpi=100) sns.barplot(y = df_graf_articulos, x = df_graf_articulos.index) plt.xticks(rotation=45,ha='right') plt.xlabel("Artículo", size = 13) plt.ylabel("Cantidad vendida", size = 13) plt.title("5 Artículos más y menos vendidos", fontdict={'family': 'serif', 'color' : 'darkblue', 'weight': 'bold', 'size': 14}) plt.show()

# RESOLUCIÓN ANALÍTICA # Creo un nuevo dataframe para responder a la pregunta, agrupando por article_name # Sumo los valores de total_amount por cada article_name en forma descendiente # Obtengo los primeros 5 df_sum_ventas = dg_df.groupby('article_name').sum() df_sum_ventas_ord = df_sum_ventas.sort_values('total_amount',ascending=False).head(5) df_cant_mayor_ingresos = df_sum_ventas_ord['total_amount'].head(1) df_art_mayor_ingresos = df_cant_mayor_ingresos.index[0] df_cant_mayor_ingresos = round(df_cant_mayor_ingresos,2) # Suponemos que los montos están expresados en USD, por lo que agregamos esa moneda en el mensaje que mostramos print('EL artículo que más ingresos nos proporcionó fue',df_art_mayor_ingresos, 'con ingresos de USD', df_cant_mayor_ingresos[0])

# RESOLUCIÓN GRÁFICA plt.figure(figsize=(8,4), dpi=100) sns.barplot(x = df_sum_ventas_ord.index, y = df_sum_ventas_ord['total_amount']) plt.xlabel("Artículo", size = 13) plt.ylabel("Ingresos (USD)", size = 13) plt.title("Los 5 artículos que más ingresos generaron", fontdict={'family': 'serif', 'color' : 'darkblue', 'weight': 'bold', 'size': 14}) plt.show()

# RESOLUCIÓN ANALÍTICA df_sum_vendedor = dg_df.groupby('seller_name').sum() df_sum_vendedor_ord = df_sum_vendedor.sort_values('total_amount',ascending=False) df_mayor_vendedor = df_sum_vendedor_ord[['quantity']+['total_amount']].head(1) print('El vendedor al que debe otorgarse el bono por "Mejor Vendedor del mes" es:',df_mayor_vendedor.index[0],'.\nVendió un total de',df_mayor_vendedor.quantity[0],'unidades y los ingresos correspondientes a sus ventas fueron de USD', round(df_mayor_vendedor.total_amount[0],2))

# RESOLUCIÓN GRÁFICA plt.figure(figsize=(8,4), dpi=100) sns.barplot(x=df_sum_vendedor_ord.index,y=df_sum_vendedor_ord['total_amount']) plt.xticks(rotation=45,ha='right') plt.xlabel("Vendedor", size = 13) plt.ylabel("Ingresos (USD)", size = 13) plt.title("Monto de ingresos por vendedor", fontdict={'family': 'serif', 'color' : 'darkblue', 'weight': 'bold', 'size': 14}) plt.show()

# RESOLUCIÓN ANALÍTICA df_venta_semanal = dg_df.groupby(by='week').sum().sort_values('total_amount',ascending=False) print('Analizando los valores obtenidos, creemos que debería lanzar una campaña de promociones en la semana número',df_venta_semanal.index[2],'\npara intenar compensar los 2 últimos períodos de baja en ventas y repuntar las ventas de la semana número',df_venta_semanal.index[3],'.')

# RESOLUCIÓN GRÁFICA plt.figure(figsize=(8,4), dpi=100) sns.barplot(x = df_venta_semanal.index,y = df_venta_semanal['total_amount']) plt.xlabel("Semana", size = 13,) plt.ylabel("Ingresos (USD)", size = 13) plt.title("Monto de ingresos por semana", fontdict={'family': 'serif', 'color' : 'darkblue', 'weight': 'bold', 'size': 14}) plt.show() df_ventas_semanal=dg_df.copy() sns.catplot(x="week", y="total_amount", data=df_ventas_semanal) plt.xlabel("Semana", size = 12,) plt.ylabel("Ingresos (USD)", size = 12) plt.title("Monto de ingresos por semana", fontdict={'family': 'serif', 'color' : 'darkblue', 'weight': 'bold', 'size': 14}) plt.show()

# RESOLUCIÓN # Creo un nuevo dataframe para responder a la pregunta, agrupando por country_name # Ordenamos por los valores de total_amount por cada country_name en forma descendiente # Obtengo el primero, y lo muestro df_sum_ventas_pais = dg_df.groupby('country_name').sum() df_sum_ventas_pais_ord = df_sum_ventas_pais.sort_values('total_amount',ascending=False) df_pais_mayor_ingresos = df_sum_ventas_pais_ord['total_amount'].head(1) df_row_mayor_ingresos = df_pais_mayor_ingresos.index[0] df_pais_mayor_ingresos = round(df_pais_mayor_ingresos,2) # Suponemos que los montos están expresados en USD, por lo que agregamos esa moneda en el mensaje que mostramos print('El país que más ingresos nos proporcionó fue',df_row_mayor_ingresos, 'con ingresos de USD', df_pais_mayor_ingresos[0]) # Gráfica por países, ordenados de mayor a menor cantidad de ingresos plt.figure(figsize=(8,4), dpi=100) sns.barplot(x = df_sum_ventas_pais_ord.index,y = df_sum_ventas_pais_ord['total_amount']) plt.xticks(rotation=45,ha='right') plt.xlabel("País", size = 13,) plt.ylabel("Ingresos (USD)", size = 13) plt.title("Ingresos por país", fontdict={'family': 'serif', 'color' : 'darkblue', 'weight': 'bold', 'size': 14}) plt.show()

# RESOLUCIÓN # Creo un nuevo dataframe para responder a la pregunta, agrupando por country_name y contando la cantidad de registros para cada uno # Ordenamos los valores por cada country_name en forma descendiente # Obtengo el primero, y lo muestro df_count_vende_pais = dg_df.groupby('country_name').count() df_count_vende_pais_ord = df_count_vende_pais.sort_values('total_amount',ascending=False) df_pais_mayor_vend = df_count_vende_pais_ord['total_amount'].head(1) df_row_mayor_ingresos = df_pais_mayor_vend.index[0] df_pais_mayor_vend = round(df_pais_mayor_vend,2) # Mostramos el país que maás ventas realizó y el total de ventas realizadas por el mismo print('El país que más ventas realizó fue',df_row_mayor_ingresos, 'con', df_pais_mayor_vend[0],'ventas.') # Gráfica por países, ordenados de mayor a menor cantidad de ventas plt.figure(figsize=(8,4), dpi=100) sns.barplot(x = df_count_vende_pais_ord.index, y = df_count_vende_pais_ord['total_amount']) plt.xticks(rotation=45,ha='right') plt.xlabel("País", size = 13,) plt.ylabel("Cantidad de Ventas", size = 13) plt.title("Cantidad de Ventas por país", fontdict={'family': 'serif', 'color' : 'darkblue', 'weight': 'bold', 'size': 14}) plt.show()

# RESOLUCIÓN # Creo un nuevo dataframe para responder a la pregunta, copiando las columnas country_name, seller_name y total_amount # Agrupamos por country_name y seller_name # Creamos una tabla pivot para mostrar los valores agrupados # Reèmplazamos los valores NaN por 0 df_preg7 = dg_df[['country_name','seller_name','total_amount']] df_preg7_ord = df_preg7.groupby(['country_name','seller_name'],as_index=False).sum() df_pivot7= df_preg7_ord.pivot(index='country_name',columns='seller_name') df_pivot7 = df_pivot7.fillna(0) # Agregamos parámetros a la gráfica del mapa de calor fig, ax= plt.subplots() im = ax.pcolor(df_pivot7) #label names row_labels = df_pivot7.columns.levels[1] col_labels = df_pivot7.index #move ticks and labels to the center ax.set_xticks(np.arange(df_pivot7.shape[1])+ 0.5, minor=False) ax.set_yticks(np.arange(df_pivot7.shape[0])+ 0.5, minor=False) #insert labels ax.set_xticklabels(row_labels, minor=False) ax.set_yticklabels(col_labels, minor=False) # Gráfica de mapa de calor, con información referida a los ingresos por ventas de cada vendedor por cada país plt.pcolor(df_pivot7) plt.colorbar() plt.xticks(rotation=90) plt.xlabel("Vendedor", size = 13,) plt.ylabel("País", size = 13) plt.title("Ingresos por Vendedores por país", fontdict={'family': 'serif', 'color' : 'darkblue', 'weight': 'bold', 'size': 14}) plt.show()