# 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_articulos = pd.DataFrame(sql_query)
#Vendedores
df_vendedores = pd.read_excel('/work/data/sellers.xlsx', index_col=0)
#df_sellers
#Ordenes
df_ordenes = pd.read_csv('/work/data/orders.csv')
df_ordenes
# Exploración del df de artículos
print('Muestra de datos')
print(df_articulos.head())
print('\nForma del dataframe')
print(df_articulos.shape)
print('\nBuscar valores nulos')
print(df_articulos.isnull().sum())
print('\nFormato de los datos del dataframe')
print(df_articulos.dtypes)
# Exploración del df de vendedores
print('Muestra de datos')
print(df_vendedores.head())
print('\nForma del dataframe')
print(df_vendedores.shape)
print('\nBuscar valores nulos')
print(df_vendedores.isnull().sum())
print('\nFormato de los datos del dataframe')
print(df_vendedores.dtypes)
# Exploración del df de órdenes
print('Muestra de datos')
print(df_ordenes.head())
print('\nForma del dataframe')
print(df_ordenes.shape)
print('\nBuscar valores nulos')
print(df_ordenes.isnull().sum())
print('\nFormato de los datos del dataframe')
print(df_ordenes.dtypes)
# Cambiar a float los precios unitarios
df_articulos['unit_price'] = df_articulos['unit_price'].astype(float)
print(df_articulos.dtypes)
#Creo una copia del df_ordenes
my_df = df_ordenes.copy()
# Cambio el indice del df_articles
df_articulos.set_index('article_id', inplace=True)
# Agrego 3 columnas y pongo el campo que me va a servir de "ancla" para buscar la información real.
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(my_df)
# Reemplazar los valores reales en el df
for i in range (len(my_df.index)): #len(my_df.index) devuelva la cantidad de filas (registros)
#reemplazo el nombre del articulo usando el id guardado en my_df
article = df_articulos.loc[my_df.loc[i]['article_id']]['article_name']
my_df.loc[i, 'article_name'] = article
#reemplazo el nombre del vendedor usando el id guardado en my_df
my_df.loc[i, 'seller_name'] = df_vendedores.loc[my_df.loc[i]['seller_id']]['seller_name']
#busco el pecio unitario y lo multiplico por la cantidad de unidades vendidas.
my_df.loc[i, 'total_amount'] = df_articulos.loc[my_df.loc[i]['article_id']]['unit_price'] * my_df.loc[i, 'quantity']
# elimino las columnas que no utilizo
my_df.drop(['article_id', 'seller_id', 'order_id'], axis='columns', inplace=True)
print(my_df.head())
# RESOLUCIÓN ANALÍTICA
my_df2 = my_df.groupby('article_name').sum()
por_cantidad = my_df2.sort_values('quantity', ascending=False)
print(por_cantidad['quantity'].head(1))
# Otra RESOLUCIÓN ANALÍTICA
my_df2b = my_df.groupby('article_name').sum()
res = my_df2b['quantity'].max()
df_mask = my_df2b['quantity'] == res
filtered_my_df2b = my_df2b[df_mask]
print(filtered_my_df2b)
# RESOLUCIÓN GRÁFICA
sns.barplot(x=my_df2.index, y=my_df2['quantity'], data = my_df2, order=my_df2.sort_values('quantity', ascending=False).index).set(title='Ventas por articulo')
plt.xlabel('Cantidad vendida')
plt.ylabel('Producto')
plt.xticks(rotation=90)
plt.show()
#my_df2_sort = my_df2.sort_values('quantity', ascending=False)
#my_df2_sort['quantity'].plot(kind='barh', color= 'green', alpha= 0.8)
plt.figure(figsize=(5,8))
plt.barh(por_cantidad.index, por_cantidad['quantity'],color= 'green', alpha= 0.8)
plt.xlabel('Cantidad vendida')
plt.ylabel('Producto')
plt.title('Unidades vendidas por producto')
plt.show()
# RESOLUCIÓN ANALÍTICA
my_df2 = my_df.groupby('article_name').sum()
mas_ingresos = my_df2.sort_values('total_amount', ascending=False).head()
print(mas_ingresos['total_amount'].head(1))
# RESOLUCIÓN GRÁFICA
# OJO: Solo graficamos los 5 primeros productos, si ponemos el porcentaje de cada uno en el grafico,
# no sería el numero real.
plt.pie(x=mas_ingresos['total_amount'], labels=mas_ingresos.index)
plt.show()
Mejor Vendedor del Mes = Janel O'Curran
# RESOLUCIÓN GRÁFICA
plt.bar(df3.index,df3['total_amount'],color='green')
plt.xticks(rotation=90)
plt.xlabel('Vendedor')
plt.ylabel('Venta mensual (U$S)')
plt.title('Venta Mensual por Vendedor')
plt.show()
# RESOLUCIÓN ANALÍTICA
df4 = my_df.groupby('week',as_index=False).sum()
print(df4)
# RESOLUCIÓN GRÁFICA
df4['week'] = df4['week'].astype(str)
plt.bar(df4['week'],df4['total_amount'],width=0.4, color='orange', align='center')
plt.xlabel('Semana')
plt.ylabel('Venta (U$S)')
plt.title('Venta Semanal')
plt.show()
La campaña debería realizarse durante la primer semana del mes dado que es dónde se registran las mayores.
# RESOLUCIÓN
df5 = my_df.groupby('country_name',as_index=False).sum().sort_values('total_amount', ascending = False)
print(df5[['country_name']+['quantity']+['total_amount']].head(1))
plt.bar(df5['country_name'],df5['total_amount'],width=0.6,color='yellowgreen')
plt.xticks(rotation=90)
plt.xlabel('País')
plt.ylabel('Venta mensual (U$S)')
plt.title('Venta Mensual por País')
plt.show()
# RESOLUCIÓN
df_mask = my_df['country_name'] == 'Brazil'
#print(df_mask)
my_df_br = my_df[df_mask]
#print(df_br)
df6 = my_df_br.groupby('article_name',as_index=False).sum().sort_values('total_amount', ascending = False)
print(df6[['article_name']+['quantity']+['total_amount']].head())
df6q = df6.sort_values('quantity', ascending = False)
print(df6q[['article_name']+['quantity']+['total_amount']].head())
plt.pie(x=df6['total_amount'], labels=df6['article_name'],autopct='%1.2f%%')
plt.title('Producto con mayor ingreso en ventas en Brasil')
plt.show()
sns.barplot(x=df6q['article_name'], y=df6q['quantity'], data=df6q).set(title='Unidades Vendidas por Artículo en Brasil')
plt.xlabel('Producto')
plt.ylabel('Cantidad vendida')
plt.xticks(rotation=90)
plt.show()
# agrupo los datos por país y vendedor
df7 = my_df.groupby(['country_name','seller_name']).sum().sort_values('total_amount', ascending = False)
print(df7.head(10))
# agrupo los datos por país y artículo
df8 = my_df.groupby(['country_name','article_name']).sum().sort_values('total_amount', ascending = False)
print(df8.head(10))
# grafico el artículo y el monto total vendido agrupado por país
sns.relplot(x='article_name', y='total_amount', hue='country_name', data=df8).set(title='Ventas por Artículo y por País')
plt.xticks(rotation=90)
plt.xlabel('Artículo')
plt.ylabel('Venta mensual (U$S)')
plt.show()
# RESOLUCIÓN
sns.pairplot(my_df, hue='country_name')
Las ventas en Brasil son las más altas seguidas por las de Argentina.
Entre los productos más vendidos se encuentran la Full PC y Notebooks.
Siendo la primer semana de ventas la más alta y más propicia para hacer campañas de marketing.