# 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 df1 = my_df.groupby(by='article_name').sum().sort_values('quantity', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df1[['quantity','total_amount']].head())

# RESOLUCIÓN GRÁFICA # Opción 1 - Count # sns.countplot(my_df, x='article_name') # Opción 2 - barplot # sns.barplot(data=df7, x=df7.index, y='quantity') # Opción 3 - barplot xs = ["HDD", "Tablet", "SDD", "Mouse", "Netbook"] ys = [413, 374, 372, 322, 320] sns.barplot(x=xs, y=ys) plt.xticks(rotation=90) # 'vertical' 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() # print(df2.index[0]) # print() # print(df2.index[0]) # print(df2.iloc[0]) print() for i in range(5): print(df2.index[i]) print(df2.reset_index().iloc[i]) print() # print() # print(df2.reset_index())

# RESOLUCIÓN GRÁFICA plt.pie(x=df2['total_amount'], labels=df2.index, autopct='%1.2f%%') plt.show()

# RESOLUCIÓN ANALÍTICA df3 = my_df.groupby(by='seller_name').sum().sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df3[['quantity'] + ['total_amount']].head(5))

# RESOLUCIÓN GRÁFICA plt.bar(df3.index, df3['total_amount']) plt.xticks(rotation=90) plt.show()

# RESOLUCIÓN ANALÍTICA df4 = my_df.groupby(by='week').sum().sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df4[['quantity'] + ['total_amount']])

# RESOLUCIÓN GRÁFICA plt.bar(df4.index, df4['total_amount']) plt.show() # 'week' es el index

# RESOLUCIÓN # Ventas filtrado por país. Comparar 2 países. # Cuál es el producto que más se vende, en qué cantidad # Resolución Analítica y Gráfica print('Paises con mayores ventas') df5 = my_df.groupby(by='country_name').sum().sort_values('total_amount', ascending=False) df5_arg_br = df5['total_amount'].head(2) print(df5_arg_br) print('Países Top 2 en ventas') e = (0, 0.1) c = ['green', 'deepskyblue'] plt.pie(x=df5_arg_br, radius=0.9, labels=df5_arg_br.index, explode=e, colors=c, autopct='%1.2f%%') plt.show() # df5_1 = my_df.loc[(my_df['country_name'] == 'Brazil') | (my_df['country_name'] == 'Argentina')].sort_values('total_amount', ascending=False) # print(df5_1.head()) print('\nTop 5 Productos más vendidos en Brasil') df5_1 = my_df.loc[my_df['country_name'] == 'Brazil'].sort_values('total_amount', ascending=False) # print(df5_1.head()) df5_2 = df5_1.groupby(by='article_name').sum().sort_values('total_amount', ascending=False) print(df5_2.head()) print('\nTop 5 Productos más vendidos en Argentina') df5_3 = my_df.loc[my_df['country_name'] == 'Argentina'].sort_values('total_amount', ascending=False) # print(df5_3.head()) df5_4 = df5_3.groupby(by='article_name').sum().sort_values('total_amount', ascending=False) print(df5_4.head()) print('Top 5 productos más vendidos en Brazil y Argentina') plt.subplot(1,2,1) df5_br = df5_2.sort_values('quantity', ascending=False).head() plt.bar(df5_br.index, df5_br['quantity'], color='green') plt.xticks(rotation=90, fontsize=9) plt.title("Brasil") plt.subplot(1,2,2) df5_ar = df5_4.sort_values('quantity', ascending=False).head() plt.bar(df5_ar.index, df5_ar['quantity'], color='deepskyblue') plt.xticks(rotation=90, fontsize=9) plt.title("Argentina") plt.show() # print('\nPara verificar resultados de las tablas') # print(df5['total_amount'].head(2)) # print('\nTotal Ventas en Brasil:') # print(df5_1['total_amount'].sum()) # print('\nTotal Ventas en Argentina:') # print(df5_3['total_amount'].sum())

# RESOLUCIÓN # Evolución de Ventas por producto. # Tomar 2 países y 'week' como variable categórica # Resolución Analítica y Gráfica print('Evolución de Ventas por productos en Argentina y Brasil') df6 = my_df.loc[(my_df['country_name'] == 'Brazil') | (my_df['country_name'] == 'Argentina')].sort_values(['country_name', 'article_name', 'week']) df6_1 = df6[['country_name', 'article_name', 'week', 'total_amount']] print(df6_1) print('\nEvolución de Ventas por productos en Argentina') df6_2 = df6_1[df6_1['country_name'] == 'Argentina'].groupby(['article_name', 'week']).agg({'total_amount':'sum'}) print(df6_2) print('\nEvolución de Ventas por productos en Brasil') df6_3 = df6_1[df6_1['country_name'] == 'Brazil'].groupby(['article_name', 'week']).agg({'total_amount':'sum'}) print(df6_3)

# RESOLUCIÓN # Mejor vendedor/producto. Mostrar importe/cantidad. Comparar 2 países (variable categórica) # Resolución Analítica y Gráfica # print('\nInformación de vendedores por pr') # df7 = df6[['country_name', 'seller_name', 'article_name', 'quantity', 'total_amount']] # # print(df7) # df7_1 = df7.sort_values(['country_name', 'seller_name', 'article_name'], ascending=True) # # print(df7_1) # importe = (df7_1['total_amount']/df7_1['quantity']) # # print(importe) # df7_1.insert(4, 'unit_price', (df7_1['total_amount']/df7_1['quantity'])) # print(df7_1) # df7_2 = df7_1.set_index(["country_name", "seller_name", "article_name", "total_amount"]) # print(df7_2) # df7_3 = df7_2.groupby(['seller_name', 'article_name']).sum() # print(df7_3) print('\nInformación de vendedores por producto') df7 = df6[['country_name', 'article_name', 'seller_name', 'quantity', 'total_amount']] # print(df7) importe = (df7['total_amount']/df7['quantity']) df7.insert(4, 'unit_price', (df7['total_amount']/df7['quantity'])) df7_1 = df7.sort_values(['article_name', 'seller_name'], ascending=True) # print(df7_1) df7_2 = df7_1.set_index(["article_name"]) # print(df7_2) df7_3 = df7_2.groupby(["article_name", "seller_name"]).sum() print(df7_3)

df8 = my_df[my_df['country_name'] == 'Brazil'] vendedores_pais = df8.groupby('seller_name').sum().sort_values('total_amount', ascending=False) vendedores_pais.head()

plt.bar(vendedores_pais.index,vendedores_pais['total_amount'], color = ['green' if x in vendedores_pais.index[0:5] 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()