Federico Firmani Roma

# A veces necesitamos instalar nuevas librerías en nuestros proyectos !pip install openpyxl==3.0.10

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

# 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')

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)

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)

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)

my_df = df_orders.copy() 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']) for i in range(len(my_df.index)): idArticulo = my_df.loc[i]['article_id'] nombreArticulo = df_articles.loc[idArticulo]['article_name'] my_df.loc[i,'article_name'] = nombreArticulo precioArticulo = df_articles.loc[idArticulo]['unit_price'] cantArticulo = my_df.loc[i]['quantity'] my_df.loc[i,'total_amount'] = precioArticulo * cantArticulo idVendedor = my_df.loc[i]['seller_id'] nombreVendedor = df_sellers.loc[idVendedor]['seller_name'] my_df.loc[i,'seller_name'] = nombreVendedor my_df.drop(['order_id', 'article_id', 'seller_id'], axis = 'columns', inplace=True) print(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 mas_vendidos = por_cant.head() sns.set_theme(style="whitegrid") sns.barplot(y=mas_vendidos["quantity"], x=mas_vendidos.index, palette="Blues_d") plt.ylabel("Cantidad") plt.xlabel("Artículo") plt.title("Artículo más vendido") plt.xticks(rotation=60) plt.show()

# RESOLUCIÓN ANALÍTICA #Puedo utilizar el DataFrame my_df2 del item anterior por_total = my_df2.sort_values('total_amount', ascending=False) print(por_total['total_amount'].head(1))

# RESOLUCIÓN GRÁFICA top_10 = por_total.head() sns.set_theme(style="whitegrid") plt.barh(top_10.index,top_10['total_amount'] , height=0.8, color = "Salmon") plt.xlabel("Artículos") plt.ylabel("Monto vendido") plt.title("Artículos que proporcionaron más ingresos") plt.show()

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

# RESOLUCIÓN GRÁFICA mejores_vendedores = df4.head(10) sns.set_theme(style="whitegrid") plt.bar(mejores_vendedores.index,mejores_vendedores['total_amount'], color="Salmon") plt.xticks(rotation=60, ha="right") plt.xlabel("Vendedores") plt.ylabel("Total vendido") plt.title("Monto vendido por cada vendedor") plt.show()

# RESOLUCIÓN ANALÍTICA df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False) df5['Semana'] = df5.index df5 = df5.set_index('Semana') print(df5) #Convendría lanzar una campaña de promociones cerca de fin de mes, cuando las ventas decaen

# RESOLUCIÓN GRÁFICA sns.barplot(y=df5["total_amount"], x=df5.index, palette="Blues_d") plt.xlabel("Semanas") plt.ylabel("Monto vendido") plt.title("Monto vendido por semana") plt.show()

# RESOLUCIÓN # ¿Cuales son los 5 paises que menos compraron en el mes? por_paises = (my_df.groupby(by='country_name').sum()).sort_values('total_amount',ascending=True) print(por_paises['total_amount'].head(5)) plt.bar(por_paises.index,por_paises['total_amount'], color="salmon") plt.xticks(rotation=60, ha="right") plt.xlabel("Países") plt.ylabel("Monto vendido") plt.title("Monto vendido por país") plt.show()

# RESOLUCIÓN df_pais_semana = my_df.groupby(['country_name', 'week']).sum() #print(df_pais_semana) paises = my_df.groupby('country_name').sum().index.values #print(paises) df_final = pd.DataFrame(columns=['Semana', 'Ventas'], index=paises) #print(df_final) for p in paises: df = df_pais_semana.loc[p] v = df.min()['total_amount'] s = df[(df['total_amount'] == v)].index[0] df_final.loc[p] = {'Semana': s, 'Ventas': v} df_final['Paises'] = df_final.index df_final['Semana'] = df_final['Semana'].astype(int) df_peores=df_final values= ['Puerto Rico','Paraguay', 'Ecuador', 'Uruguay','Bolivia'] filtered_df = df_peores[df_peores.Paises.isin(values)] df_filtrado = filtered_df.set_index('Paises') print(df_filtrado) #Se obtiene un DataFrame con las peores semanas de los peores países.

# RESOLUCIÓN df_pais_vendedor = my_df.groupby(['country_name', 'seller_name']).sum() #print(df_pais_vendedor) paises = my_df.groupby('country_name').sum().index.values df_ya_casi = pd.DataFrame(columns=['Vendedor', 'Ventas'], index=paises) for p in paises: df = df_pais_vendedor.loc[p] v = df.max()['total_amount'] s = df[(df['total_amount'] == v)].index[0] df_ya_casi.loc[p] = {'Vendedor': s, 'Ventas': v} df_ya_casi['Paises'] = df_ya_casi.index #print(df_ya_casi) values= ['Puerto Rico','Paraguay', 'Ecuador', 'Uruguay','Bolivia'] filtro = df_ya_casi[df_ya_casi.Paises.isin(values)] df_terminado = filtro.set_index('Paises') print(df_terminado) #Se obtiene un DataFrame con los mejores vendedores de los 5 peores países en ventas.