# 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
import matplotlib.pyplot as plt
import seaborn as sns
# Levanto los datos en 3 diferentes dataframes
# Articulos
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)
# Ordenes
df_orders = pd.read_csv('/work/data/orders.csv')
# Exploración del df de artículos
print("Muestra de datos")
print(df_articles.head()) # head() 5 Filas por defecto
print('\nFormato del dataframe')
print(df_articles.shape)
print('\nBusqueda de valores nulls 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()) # head() 5 Filas por defecto
print('\nFormato del dataframe')
print(df_sellers.shape)
print('\nBusqueda de valores nulls 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()) # head() 5 Filas por defecto
print('\nFormato del dataframe')
print(df_orders.shape)
print('\nBusqueda de valores nulls 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)
# https://pandas.pydata.org/docs/user_guide/indexing.html
# https://towardsdatascience.com/how-to-use-loc-and-iloc-for-selecting-data-in-pandas-bd09cb4c3d79
# https://stackoverflow.com/questions/28754603/indexing-pandas-data-frames-integer-rows-named-columns
my_df = df_orders.copy() # Shallow copy
# Cambio el índice del df de artículos
df_articles.set_index('article_id', inplace=True)
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'])
# print(df_articles)
# print()
# my_df
for i in range(max(my_df.count())):
# print(i)
# 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 (article_name) de df_articles
# print(df_articles.loc[my_df[i]['article_id']]['article_name'])
article = df_articles.loc[my_df.loc[i]['article_id']]['article_name']
# print(article)
my_df.loc[i, 'article_name'] = article
# my_df
# hacemos lo mismo con total_amount
my_df.loc[i, 'total_amount'] = my_df.loc[i, 'quantity']*df_articles.loc[my_df.loc[i]['article_id']]['unit_price']
# Columna de seller name
my_df.loc[i, 'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_id']]['seller_name']
# elimino las columnas que no necesito del df
my_df.drop(['order_id', 'article_id', 'seller_id'], axis='columns', inplace=True)
print(my_df)
# my_df.loc[:, 'quantity']
# my_df.loc[0, ['quantity','country_name']]
# my_df.loc[0:5, ['quantity','country_name']]
# my_df.iloc[:,1]
# my_df.iloc[0,[1,2]]
my_df.iloc[0:5,[1,2]]
# RESOLUCIÓN ANALÍTICA
df7 = my_df.groupby(by='article_name').sum().sort_values('quantity', ascending=False)
pd.options.display.float_format= '$ {:,.2f}'.format
print(df7[['quantity','total_amount']].head())
print( 'El producto mas vendido en unidades es el HDD con 413 unidades vendidas')
sns.barplot(data=df7.head(), x=df7.head().index, y='quantity')
plt.xticks(rotation=90)
plt.ylabel('')
plt.xlabel('')
plt.title('Productos mas vendidos por unidades')
plt.show()
# RESOLUCIÓN ANALÍTICA
df2 = my_df.groupby(by='article_name').sum().sort_values('total_amount', ascending=False).head(5)
pd.options.display.float_format= '$ {:,.2f}'.format
print(df2['total_amount'])
# print(df2)
print('El artículo que más ingresos proporcionó fue Ful PC con $ 538,335.93')
# print()
# print(df2.reset_index().iloc[0])
# print()
#for i in range(5):
# print(df2.index[i])
# print(df2.reset_index().iloc[i])
# print()
# RESOLUCIÓN GRÁFICA
e=(0.1,0,0,0,0,0)
#Integro los datos agrupados para sacar los porcentajes totales
print(my_df['total_amount'].sum())
print(df2['total_amount'].sum())
otros= my_df['total_amount'].sum()-df2['total_amount'].sum()
print(otros)
valores= [ 538335, 251000 , 152250, 69477.48, 48620, 416124 ]
etiquetas= ['Full Pc','Notebook','Smartphone', 'Chair','Table','Otros']
plt.pie(x=valores, labels= etiquetas, explode=e , autopct='%0.1f%%' )
plt.title('Producto que generaron mayores ingresos')
plt.show()
# RESOLUCIÓN ANALÍTICA
df4 = my_df.groupby(by='seller_name').sum().sort_values('total_amount', ascending=False)
pd.options.display.float_format= '$ {:,.2f}'.format
print(df4[['quantity'] + ['total_amount']].head(5))
print()
print('El bono por mejor vendedor del mes debe ser para Janel O Curran')
# RESOLUCIÓN GRÁFICA
plt.bar(df4.index, df4['total_amount'])
plt.xticks(rotation=80)
plt.title('Mejores vendedores del mes')
plt.xlabel('Vendedor')
plt.ylabel('Importe en ventas')
plt.show()
# RESOLUCIÓN ANALÍTICA
df5 = my_df.groupby(by='week').sum().sort_values('total_amount', ascending=False)
pd.options.display.float_format= '$ {:,.2f}'.format
print(df5[['quantity'] + ['total_amount']])
print (' Se puede observar una disminución de ventas a medida que avanzan las semanas')
print()
print(' Si quiero estabilizar las ventas a lo largo del mes, debería lanzar promociones')
print('para que aumenten las ventas en la semana 3 y 4')
w1=507458.81/df5['total_amount'].sum()*100
w2=415364.44/df5['total_amount'].sum()*100
w3=329140.03/df5['total_amount'].sum()*100
w4= 223844.56/df5['total_amount'].sum()*100
labels=[1,2,3,4]
val= [w1,w2,w3,w4]
fig, ax1 = plt.subplots()
sns.lineplot( x= labels , y= val, ax=ax1, color='g', marker='o', linestyle= '--')
plt.xticks(rotation=0)
plt.title('Evolución de ventas por semana (%)', size=12)
ax1.set_xlabel("Semana")
ax1.set_ylabel("Porcentaje")
# RESOLUCIÓN GRÁFICA
#plt.bar(df5.index, df5['total_amount'], title=' Ventas por Semana')
df5['total_amount'].plot(kind='bar', title='Ventas por Semana', color='blue')
plt.xticks(rotation=0,)
plt.xlabel('Semana')
plt.ylabel('Importe en ventas')
plt.show()
print(df5['total_amount'].sum())
etiq= ['Week1', 'Week2', 'Week3', 'Week4']
plt.pie(x= df5['total_amount'], labels= etiq , autopct='%0.1f%%')
plt.title('Porcentaje de ventas por semana')
# RESOLUCIÓN
# Ventas filtrado por país. Comparar 2 países
# Cuál es el producto que más se vende, en qué cantidad
# Resolución Analítica y Gráfica
print('Ventas por paises')
df8 = my_df.groupby(by='country_name').sum()
print ('Cantidad de ventas por paises - ordenados por ventas ')
print(df8[['quantity', 'total_amount']].sort_values(by= 'total_amount', ascending= False))
# Comparo dos paises con método iloc
print()
#Comparo dos paises Argentina vs Brazil
print('Comparación Argentina vs Brazil')
df_Arg_Braz = df8[['quantity', 'total_amount']].loc[['Argentina','Brazil']]
print(df_Arg_Braz[['quantity', 'total_amount']])
print()
filtroargbra = (my_df['country_name']=='Brazil')|(my_df['country_name'] == 'Argentina')
dfargbra = my_df[filtroargbra]
#print (dfargbra)
dfargbra2 = dfargbra[['quantity', 'total_amount', 'article_name', 'country_name']].groupby(['article_name', 'country_name']).sum().sort_values('quantity', ascending=False).head(10)
print(dfargbra2)
print()
print('El producto mas vendido en Brazil es Tablet con 156 unidades')
print ()
print('El producto más vendido en Argentina es CPU con 104 unidades')
df8['total_amount'].sort_values(ascending=False).plot(kind='bar', color='lightblue', width=1.1)
plt.title('Importe de ventas acumuladas por pais')
plt.xlabel("")
# RESOLUCIÓN GRÁFICA
e=(0.1,0,0,0,0,)
#Integro los datos agrupados para sacar los porcentajes totales
print(my_df['total_amount'].sum())
otros= my_df['total_amount'].sum()-sum(valores)
print(otros)
valores= [ 441271, 205832, 177514, 161421, 267540]
etiquetas= ['Brasil', 'Argentina', 'Colombia', 'Peru', 'Otros']
colores = ["#EE6055","#60D394","#AAF683","#FFD97D","#FF9B85"]
plt.pie(x=valores, labels= etiquetas, explode=e , autopct='%0.1f%%', colors= colores )
plt.title('Participación de paises en el total de ventas')
plt.show()
df_Arg_Braz['total_amount'].plot(kind='pie', autopct='%0.1f %%', explode=(0.1, 0))
plt.title('Importe de ventas acumuladas Argentina vs Brasil')
plt.ylabel("")
plt.xlabel("")
dfargbra3=dfargbra2.reset_index()
print(dfargbra3)
sns.barplot(data=dfargbra3, x='article_name', y='quantity', hue='country_name', palette='viridis', width=1.15)
plt.title('Principales productos vendidos por cantidad: Argentina y Brazil')
plt.xlabel("",)
plt.xticks(rotation=90)
# RESOLUCIÓN
# Evolución de Ventas por producto.
# Tomar 2 países y 'week' como variable categórica
# Resolución Analítica y Gráfica
print(my_df.columns)
dfventas = my_df.groupby(by= 'article_name').sum().sort_values('total_amount', ascending= False)
dfventas = my_df.groupby(['article_name', 'week']).sum()
dfventas2= my_df.groupby(['week','article_name']).sum()
pd.set_option('display.max_rows', None)
print('Evolución de ventas semanal por producto')
# imprimo por pantalla evolucion semanal por producto con un display
print(display(dfventas))
dfventas=dfventas.reset_index()
print(dfventas)
# Creo un filtro con dos paises
filtro = (my_df['country_name'] == 'Peru') | (my_df['country_name']== 'Chile')
#aplico filtro al dataframe e imprimo
dfperu_chile= my_df[filtro]
#print(dfperu_chile)
#agrupamos por país y week para que lo tome como variable categorica
dfperu_chile4 = dfperu_chile.groupby(['country_name', 'week']).sum()
dfperu_chile4= dfperu_chile4.reset_index()
print(dfperu_chile4)
print()
chilefil = dfperu_chile4['country_name']== 'Chile'
newchile= dfperu_chile4[chilefil]
#print(newchile)
perufil = dfperu_chile4['country_name']== 'Peru'
newperu= dfperu_chile4[perufil]
#print(newperu)
dfcomp= dfperu_chile[['quantity', 'country_name', 'week']].groupby(['country_name'])
print(dfcomp)
# Resolución Gráfica de evolución de ventas de primeros 4 artículos
#HDD,Tablet, SDD, Silla.
filHDD= dfventas['article_name']=='HDD'
dfHDD= dfventas[filHDD]
print(dfHDD)
filTablet= dfventas['article_name']=='Tablet'
dfTablet= dfventas[filTablet]
print(dfTablet)
filSDD= dfventas['article_name']=='SDD'
dfSDD= dfventas[filSDD]
print(dfSDD)
filChair= dfventas['article_name']=='Chair'
dfChair= dfventas[filChair]
print(dfChair)
plt.subplot(2, 2, 1)
sns.lineplot(data=dfHDD, x='week', y='total_amount', legend=False)
plt.title('Evolución de ventas HDD', size=9)
plt.xlabel("")
plt.xticks([])
sns.set(style ='dark', palette='magma', font_scale=0.6)
plt.subplot(2, 2, 2)
sns.lineplot(data=dfTablet, x='week', y='total_amount', legend=False)
plt.title('Evolución de ventas Tablet', size=9)
plt.xticks([])
plt.ylabel('')
plt.xlabel("")
sns.set(style ='dark', palette='flare', font_scale=0.6)
plt.subplot(2, 2, 3)
sns.lineplot(data=dfSDD, x='week', y='total_amount', legend=False)
plt.title('Evolución de ventas SDD', size=9)
sns.set(style ='dark', palette='magma', font_scale=0.6)
plt.subplot(2, 2, 4)
sns.lineplot(data=dfChair, x='week', y='total_amount', legend=False)
plt.ylabel('')
plt.title('Evolución de ventas SIlla', size=9)
sns.set(style ='dark', palette='flare', font_scale=0.6)
x=[1,2,3,4]
Chilequantity= [35,85,84,27]
Chileventas=[2,029.66,12,876.41,7,141.56, 2,613.35]
Peruquantity= [393,293,247,94]
Peruventas = [48,807.97, 56,591.80, 51,855.31, 4,166.04]
y1=Chilequantity
y2=Peruquantity
y3=Chileventas
y4=Peruventas
plt.bar(x, y1, color='r')
plt.bar(x, y2, bottom=y1, color='b')
plt.legend(['Chile', 'Peru'])
plt.xlabel('Semana')
plt.ylabel('Cantidad')
plt.title('Cantidad de productos vendidos: Chile vs Perú', size=12)
plt.show()
x=[1,2,3,4]
Chilequantity= [35,85,84,27]
Chileventas=[2029, 12876, 7141, 2613]
Peruquantity= [393,293,247,94]
Peruventas = [48807, 56591, 51855, 4166]
y1=Chilequantity
y2=Peruquantity
y3=Chileventas
y4=Peruventas
plt.bar(x, y3, color='r')
plt.bar(x, y4, bottom=y3, color='b')
plt.legend(['Chile', 'Peru'])
plt.xlabel('Semana')
plt.ylabel('Ventas')
plt.title('Importe de ventas: Chile vs Perú', size=12)
plt.show()
fig, ax1 = plt.subplots()
sns.barplot(data = newchile, x ='week', y='total_amount', ax=ax1, color='C3')
ax2 = ax1.twinx()
sns.lineplot(data = newchile, x='week', y='quantity', ax=ax2, color='blue')
plt.title('Ventas en Chile por semana', size=12)
ax1.set_xlabel("Semana")
ax1.set_ylabel("Ventas $")
ax2.set_ylabel("Cantidad")
fig, ax1 = plt.subplots()
sns.barplot(data = newperu, x = 'week', y='total_amount', ax=ax1, color='green')
ax2 = ax1.twinx()
sns.lineplot(data = newperu, x='week', y='quantity', ax=ax2, color='blue')
plt.title('Ventas en Peru por semana', size=12)
ax1.set_xlabel("Semana")
ax1.set_ylabel("Ventas $")
ax2.set_ylabel("Cantidad")
#RESOLUCIÓN
# Mejor vendedor/producto. Mostrar importe/cantidad. Comparar 2 países (variable categórica)
# Resolución Analítica y Gráfica
print(my_df.columns)
dfvendedor = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending= False)
print(dfvendedor[['total_amount'] + ['quantity']].head())
print('El mejor vendedor fue Janel O Curran con un total de ventas $ 192,832.47 y 703 unidades vendidas ')
print()
dfproducto = my_df.groupby(['article_name']).sum().sort_values('total_amount', ascending = False)
#dfproducto = my_df.groupby(['article_name', 'seller_name'])['total_amount'].sum()
print(dfproducto[['total_amount'] + ['quantity']].head())
print('El producto con mas ventas fue Full PC con $ 538,335.93 y 253 unidades vendidas')
#df20=my_df[['article_name', 'country_name', 'quantity', 'total_amount', 'seller_name']].groupby(['article_name','seller_name' ]).sum()
#pd.set_option('display.max_rows', None)
#print(display(df20))
print(my_df['article_name'].unique())
lista= my_df['article_name'].unique()
print(len(lista))
lista= ['Water Cooling', 'Mouse' ,'Netbook' ,'Tablet', 'Case' ,'HDD' ,'SDD'
'Ram Memory', 'Sata Cable', 'Pci Express Port' ,'Usb Cable' ,'Full Pc'
'Range Extender', 'Desk', 'Wi-Fi Card', 'Motherboard', 'Video Card',
'Headphones', 'Modem' ,'Power Supply' ,'Keyboard', 'Webcam', 'Monitor' ,'CPU',
'Fan Cooler', 'Chair', 'Mesh Wi-Fi X 2', 'Smartphone' ,'Heatsink' ,'Scanner',
'Notebook']
mejores_vendedores=[]
best=[]
for i in range(len(lista)):
x= my_df['article_name']== lista[i]
xi= my_df[x]
xif= xi[['seller_name','article_name', 'quantity']].groupby('seller_name').sum().sort_values('quantity', ascending = False).head(1)
mejores_vendedores.append(xif)
best.append([ lista[i], xif])
print('Articulo', lista[i], xif)
print ()
#Creo una lista y después un DF con los resultados obtenidos
lista2= [
['Water Cooling', 'Onida Cosely',56],
['Mouse', 'Kati' 'Innot' , 42],
['Netbook', 'Aveline Swanwick' ,48],
['Tablet', 'Brockie Patience' , 50],
['Case', 'Jase Doy' , 32],
['HDD', 'Janel O Curran' , 75],
['Sata Cable', 'Daisie Slograve' ,55],
['Pci Express Port', 'Aveline Swanwick', 44],
['Usb Cable', 'Cornie Wynrehame' , 41],
['Full PcRange Extender Desk' ,'Daisie Slograve' ,40],
['Wi-Fi Card' , 'Kati Innot' , 35],
['Motherboard' , 'Jase Doy' , 50],
['Video Card', 'Tobin Roselli' , 42],
['Headphones' ,'Oliviero Charkham', 51],
['Modem' , 'Cirilo Grandham' , 42],
['Power Supply' ,'Tobin Roselli', 58],
['Keyboard', 'Aveline Swanwick' , 36],
['Webcam' , 'Brockie Patience' , 27],
['Monitor' , 'Aveline Swanwick' , 60],
['CPU , Arnold Kilkenny' , 55],
['Fan Cooler' ,'Milly Christoffe' , 40],
['Chair', 'Daisie Slograve' , 36],
['Mesh Wi-Fi X 2', 'Aveline Swanwick' , 35],
['Smartphone', 'Milly Christoffe' , 47],
['Heatsink', 'Daisie Slograve' , 39],
['Scanner' , 'Arnold Kilkenny' , 27],
['Notebook' , 'Daisie Slograve' , 31]]
dfbestseller = pd.DataFrame(lista2, columns=['Artículo', 'Vendedor', 'Cantidad'])
#dfbestseller['Cantidad'].astype(int)
pd.options.display.float_format= ' {:,.1f}'.format
print('Mejores vendedores por producto')
print(dfbestseller)
print(dfbestseller.dtypes)
filtro2 = (my_df['country_name'] == 'Mexico') | (my_df['country_name']=='Ecuador')
dfmex_ec= my_df[filtro2]
dfmex_ec2= dfmex_ec.groupby('country_name').sum().sort_values('quantity', ascending=False)
print(dfmex_ec2[['quantity'] + ['total_amount']])
# Resolución gráfico de mejores vendedores y producto
dfvendedortot = dfvendedor[['total_amount'] + ['quantity']].head()
dfproductotot = dfproducto[['total_amount'] + ['quantity']].head()
#dfvendedortot.plot(kind = 'bar', stacked=True)
fig, ax1 = plt.subplots()
sns.barplot(data = dfvendedortot, x = dfvendedortot.index, y='total_amount', ax=ax1, color='C3')
plt.xticks(rotation=90)
ax2 = ax1.twinx()
sns.lineplot(data = dfvendedortot, x=dfvendedortot.index, y='quantity', ax=ax2, color='C11')
plt.xticks(rotation=90)
plt.title('Top Vendedores', size=12)
ax1.set_xlabel("Vendedor")
ax1.set_ylabel("Venta")
ax2.set_ylabel("Cantidad")
fig, ax3 = plt.subplots()
sns.barplot(data = dfproductotot, x = dfproductotot.index, y='total_amount', ax=ax3, color='r')
plt.xticks(rotation=90)
plt.xlabel("")
ax4 = ax3.twinx()
sns.lineplot(data = dfproductotot, x=dfproductotot.index, y='quantity', ax=ax4, color='b')
plt.xticks(rotation=90)
plt.title('Top Productos', size=12)
ax1.set_xlabel("")
ax1.set_ylabel("Venta")
ax2.set_ylabel("Cantidad")
df6 = my_df[my_df['country_name'] == 'Brazil']
#A partir del anterior, ordenar vendedores por total de ventas
vendedores_pais = df6.groupby('seller_name').sum().sort_values('total_amount', ascending=False)
vendedores_pais.head()
plt.bar(vendedores_pais.index,vendedores_pais['total_amount'],
color = ['red' if x in vendedores_pais.index[0:1] else 'blue' for x in vendedores_pais.index]) #Color verde para los mejores 5
plt.xticks(rotation = 90)
plt.title("Desempeño vendedores del país que más compra")
plt.xlabel("Vendedores")
plt.ylabel("Total de Ventas")
plt.show()
df_brazil = my_df[my_df['country_name'] == 'Brazil']
print(df_brazil[['seller_name','total_amount', 'quantity']].groupby('seller_name').sum().sort_values('total_amount', ascending=False))
print()
df_brazil_bars = df_brazil[['seller_name','total_amount']].groupby('seller_name').sum('total_amount').sort_values('total_amount', ascending=False)
print(df_brazil_bars)
print()
df_brazil_line = df_brazil[['seller_name','quantity']].groupby('seller_name').sum('quantity').sort_values('quantity', ascending=False).reset_index()
print(df_brazil_line)
fig, ax1 = plt.subplots()
# ax1: axes1
# sns.barplot(data = df_brazil_bars, x='seller_name', y='total_amount', ax=ax1, color='C3')
sns.barplot(data = df_brazil_bars, x = df_brazil_bars.index, y='total_amount', ax=ax1, color='C3')
# ax: axes
plt.xticks(rotation=90)
ax2 = ax1.twinx()
# ax2: axes2 = ax1.twinx()
sns.lineplot(data = df_brazil_line, x='seller_name', y='quantity', ax=ax2, color='C11')
plt.xticks(rotation=90)
plt.title('Top sellers in Brazil')
ax1.set_xlabel("Seller Name")
ax1.set_ylabel("Income ($)")
ax2.set_ylabel("Quantity (line)")
plt.show()
Pregunta 10
# Cantidad de ordenes por país
newdf = my_df.groupby('country_name')['quantity'].count().sort_values(ascending=False)
newdf= newdf.reset_index()
print(newdf)
print(newdf.sum())
ax=sns.barplot (x= 'country_name', y='quantity', data=newdf)
ax.set_xlabel ('Pais', size=12)
ax.set_ylabel('Ordenes ')
ax.set_title('Cantidad de Ordenes por pais', size=12)
ax.set_xticklabels(ax.get_xticklabels(),rotation=75)
sns.set(style='darkgrid', palette = 'Paired')
plt.show()
Pregunta 11
#Cual fue el importe promedio por operación discriminado por pais
#Cuales fueron los 3 paises con más importe promedio
dfcountry =my_df[['country_name', 'total_amount']].groupby('country_name').sum()
dfunidades= my_df[['country_name', 'quantity']].groupby('country_name').count()
dfcountry['Operaciones']= dfunidades['quantity']
dfcountry['Operaciones'].astype(int)
dfcountry['total_amount'].astype(float)
print(dfcountry.dtypes)
dfcountry['Promedio Operacion']= dfcountry['total_amount'] / dfcountry['Operaciones']
dfcountry = dfcountry.reset_index()
dfcountry= dfcountry.sort_values(['Promedio Operacion'],ascending=False)
print(dfcountry)
dfcountrysort= dfcountry.sort_values(['Promedio Operacion'], ascending=False).head(3)
print(dfcountrysort)
print()
print( 'El pais con mayor promedio por operacións es El Salvador, y el menor es Paraguay')
ax=sns.barplot (x= 'country_name', y='Promedio Operacion', data=dfcountry,)
ax.set_xlabel ('Pais', size=12)
ax.set_ylabel(' Importe promedio por operación', size=12)
ax.set_title('Importe promedio por operación por pais')
ax.set_xticklabels(ax.get_xticklabels(),rotation=75)
sns.color_palette("viridis", as_cmap=True)
sns.set(style='darkgrid', palette = 'viridis')
plt.show()
Pregunta 12
#Cuantos vendedores hay por pais
#Cuantas operaciones realizaron los vendedores en Argentina vs Brazil
vent= my_df.groupby('country_name')['seller_name'].nunique().sort_values(ascending=False).reset_index()
print('Cantidad de vendedores por país')
print(vent)
print()
print()
filargbra = (my_df['country_name']=='Brazil')|(my_df['country_name'] == 'Argentina')
dfargbravend = my_df[filargbra]
vendedores1= dfargbravend.groupby(['country_name', 'seller_name']).size().reset_index()
print(vendedores1.columns)
vendedores1.rename( columns = { "country_name": "Pais", "seller_name": "Vendedor", 0: 'Operaciones'}, inplace=True)
print(vendedores1)
print()
print('Se observa que los vendedores de Brasil realizaron más operaciones que los vendedores de Argentina')
plt.subplot(1, 2, 1,)
plt.bar(vendedores1['Vendedor'].iloc[0:15],vendedores1['Operaciones'].iloc[0:15])
plt.xticks(rotation = 90)
plt.title("Operaciones por vendedores - Argentina", size=9)
plt.xlabel("Vendedores", size=7)
plt.ylim(0,30)
plt.ylabel("Total de Operaciones")
plt.subplot(1, 2, 2)
plt.bar(vendedores1['Vendedor'].iloc[16:30],vendedores1['Operaciones'].iloc[16:30], color='green')
plt.xticks(rotation=90)
plt.title("Operaciones por vendedores - Brasil", size=9)
plt.xlabel("Vendedores",size=7)
plt.ylim(0,30)
plt.show()
import seaborn as sns
ax=sns.barplot (x= 'country_name', y='seller_name', data=vent, color= 'blue')
ax.set_xlabel ('Pais', size=12)
ax.set_ylabel(' Cantidad de vendedores', size=12)
ax.set_title('Vendedores por pais')
ax.set_xticklabels(ax.get_xticklabels(),rotation=75)
Conclusiones
El producto mas vendido es el HDD con 413 El producto que más ingresos proporcionó fue FULL PC con $ 538.335. El 53.5% de los ingresos lo generaron FULL PC y Notebook El mejor vendedor fue Janel O’ Curran con 703 unidades y $ 192.832 A medida que transcurren las semanas, disminuyen las ventas. En la cuarta semana las ventas caen 44% respecto a la primer semana. .El 34% de las ventas del mes se realiza la primer semana. El país que mas ventas generó fue Brasil con $ 441.271 y también el que unidades vendió con 2515, con participación del 35% del total de las ventas. El producto ms vendido en cantidades fue HDD. El producto FULL PC generó más ingresos, vendiendo 253 unidades. (comparar con el promedio) El país con más órdenes fue Brasil con 315 En cuanto al promedio por operación, El salvador es el país con mayor importe promedio por operación, y Brasil, que es el país que más importe vendio, en cuanto a la operación promedio se mantiene en el promedio. La cantidad de vendedores por país es mayor a 10, menos Uruguay con 8 Puerto Rico con 2