Codo a Codo 4.0 2022 Curso BIG DATA Comision 22041 Nombre y Apellido Desiree del Valle Alvarado Alviarez TP2 Integrador
# 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_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
print(my_df)
# 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) )
# RESOLUCIÓN GRÁFICA
sns.barplot(y = df_cant_articulos_ord["quantity"], x=df_cant_articulos_ord.index)
plt.xticks(rotation=90)
plt.show()
print(df_cant_articulos_ord['quantity'].head(2) )
# 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()
Se le debe asignar a Janel O'Curran
# 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()
Se observa que en el mes 1 se vendió más y va decayendo a medida que pasan las semanas
Artic_pais = my_df.groupby(['country_name', 'article_name']).size()
Artic_pais
Artic_pais.plot(kind = 'bar',
stacked = 'True', # Muestra las barras apiladas
width = 0.9, # Grosor de las barras para dejar espacio entre ellas
figsize=(20,20)); # Cambiamos el tamaño de la figura
Se observan que se vendieron por país más productos en Brasil y Peru y menos en Puerto Rico
df_venta_semanal_article = my_df.groupby(['week', 'article_name']).sum()
print(df_venta_semanal_article['total_amount'])
df_venta_semanal_article2= df_venta_semanal_article.drop(['quantity'], axis=1)
df_venta_semanal_article2
df_venta_semanal_article2.plot(kind = 'barh',
stacked = 'True', # Muestra las barras apiladas
width = 0.9, # Grosor de las barras para dejar espacio entre ellas
figsize=(20,20));
Se observa que Full_Pc y Notebook fueron vendidos todas las semanas mayormente
df_monto_vendedor = my_df.groupby('seller_name').count()
df_monto_vendedor["country"] = df_monto_vendedor.index
df_monto_vendedor
plt.pie(df_monto_vendedor["quantity"], labels = df_monto_vendedor["country"], autopct='%.1f%%', radius=3)
plt.title("Porcentaje de ventas por vendedor", y = 1.8, fontdict = {"fontsize": 30 })
plt.show()
df_monto_vendedor
En promedio todos vendieron no más de un 8% y no menos de un 5%
Como conclusión se puede observar que los paises con más ventas fueron Brasil y Peru, ventas de tipo electrónicas, y que los vendedores se mantienen entre un 5 y 8% de ventas, además que las ventas van disminuyendo a medida que pasan las semanas