# 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_articles.set_index('article_id',inplace = True)
# 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
idArticulo = my_df.loc[i]['article_id']
nombreArticulo = df_articles.loc[idArticulo]['article_name']
# se lo asigno a la columna correspondiente
my_df.loc[i,'article_name'] = nombreArticulo
# hago lo mismo en un solo paso para la columna de total_amount
precioArticulo = df_articles.loc[idArticulo]['unit_price']
cantArticulo = my_df.loc[i]['quantity']
my_df.loc[i,'total_amount'] = precioArticulo * cantArticulo
# columna de seller_name
idVendedor = my_df.loc[i]['seller_id']
nombreVendedor = df_sellers.loc[idVendedor]['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)
print(my_df)
# SI SOBRA TIEMPO Se puede mencionar la función merge para hacer joins entre dataframes
# https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.merge.html
d1=pd.DataFrame({'mes': ['ene','feb','mar','abr'], 'ventas':[10,20,30,15]})
d2=pd.DataFrame({'mes': ['ene','feb','mar','abr'], 'costos':[7,16,25,12]})
print(pd.merge(d1,d2))
# 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
sns.barplot(y=por_cant["quantity"], x=por_cant.index)
plt.xticks(rotation=90)
plt.show()
# RESOLUCIÓN ANALÍTICA
df2 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(5)
print(df2['total_amount'])
# RESOLUCIÓN GRÁFICA ---> OJO: Voy a tomar sólo los 5 primeros artículos que más ingresos proporcionaron
# No puedo hacer una comparativa ni porcentajes porque no tomé el total de los datos
#plt.pie(x=df2['total_amount'], labels=df2.index)
#plt.show()
plt.barh(df2.index,df2['total_amount'] , height=0.8)
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
plt.bar(df4.index,df4['total_amount'])
plt.xticks(rotation=60, ha="right")
plt.show()
# RESOLUCIÓN ANALÍTICA
df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False)
print(df5['total_amount'])
# RESOLUCIÓN GRÁFICA
plt.bar(df5.index,df5['total_amount'])
plt.title('Ventas por semana (en $)')
plt.xlabel('Semanas')
plt.ylabel('Ventas $')
plt.show()
# RESOLUCIÓN ANALÍTICA
df6 = (my_df.groupby(by='country_name').sum()).sort_values('total_amount',ascending=False).head(5)
print(df6[['quantity']+['total_amount']])
# RESOLUCIÓN GRÁFICA
y_pos=df6.index
total=df6.total_amount
fig, ax = plt.subplots()
hbars = ax.barh(y_pos, total, color='tab:olive')
ax.invert_yaxis() # labels read top-to-bottom
ax.set_xlabel('Ventas')
ax.set_title('Países que más compraron ($) - Top5')
ax.bar_label(hbars, fmt='%.0f', padding=5, color='g', fontsize=9)
ax.set_xlim(right=500000)
plt.ylabel('Países')
plt.show()
# RESOLUCIÓN ANALÍTICA
artBra = my_df.loc[my_df['country_name'] == 'Brazil']
#print(artBra)
df7 = (artBra.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(3)
print(df7[['total_amount']+['quantity']])
# RESOLUCIÓN ANALÍTICA
hddSdd=my_df.loc[(my_df['article_name'] == 'HDD') | (my_df['article_name'] == 'SDD')]
print(hddSdd)
df8=(hddSdd.groupby(by='week').sum()).sort_values('quantity',ascending=False)
#df8
print(df8['quantity'])
#RESOLUCION GRAFICA
sns.barplot(x = "week", y= "quantity", hue = "article_name", palette = "ch:.25", data = hddSdd);
En base a los resultados presentados y a un análisis más exhaustivo de los datos, podemos obtener conclusiones y tomar decisiones respecto de estrategias a implementar en la venta de productos informáticos en Latinoamérica.
Analizando los países que más compran (Brasil y Argentina), los productos más rentables y la evolución de las ventas por semana, se pueden diseñar promociones que activen al negocio en momentos de caída y/o generen ventas de artículos con menor salida.
Es posible seguir detectando relaciones entre las variables incluidas en la base de datos obtenida a partir de las tres fuentes recibidas, como por ejemplo la evolución de las ventas a lo largo del mes, para cada país. De esta manera sería posible determinar la implementación de promociones más personalizadas, pero con un análisis complementario de los costos de logística que implica el envío de la mercadería a los países compradores y si fuera viable, obtener datos históricos del cliente, que permitan analizar tendencias.
Por otro lado, se recomienda el análisis de la relación entre vendedores y países compradores, con el objetivo de rotar o reforzar las ventas en ciertos países, con personal de venta eficiente que impulse el crecimiento de las mismas en regiones menos rentables.
Gladys Grilli - Comisión 22039 - Codo a Codo