# 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 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']) print(df_articles)

# VENDEDORES df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0) print(df_sellers)

# ÓRDENES df_orders = pd.read_csv('/work/data/orders.csv') print(df_orders)

# 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') print(df_articles.isnull().sum()) print('\nFormato de los datos') 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') print(df_sellers.isnull().sum()) print('\nFormato de los datos') 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') print(df_orders.isnull().sum()) print('\nFormato de los datos') 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_articles df_articles.set_index('article_id', inplace=True) print(df_articles.head())

print(my_df.head())

# agrego las columnas que me faltan 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.head())

# reemplazar los datos en las nuevas columnas for i in range(len(my_df.index)): # columna article_name # cargo el nombre del artículo en una variable article = df_articles.loc[my_df.loc[i]['article_name']]['article_name'] # se lo asigno a la columna y registro que corresponde my_df.loc[i,'article_name']= article # columna 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_name']]['seller_name'] print(my_df.head())

# elimino las columnas que no necesito my_df.drop(['order_id', 'article_id','seller_id'], axis='columns', inplace=True) print(my_df.head())

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 grafico = sns.displot(my_df, x='article_name', height=4, aspect=2, color = 'c') # modifico nombre de ejes y título del grafico grafico.set(xlabel='Articulo', ylabel='Cantidad vendida', title='Cant. vendida por articulo') plt.xticks(rotation=90) plt.show()

# RESOLUCIÓN ANALÍTICA my_df3 = (my_df.groupby('article_name').sum()).sort_values('total_amount', ascending=False).head(5) print(my_df3['total_amount'])

# RESOLUCIÓN GRÁFICA # defino la paleta a utilizar paleta = sns.color_palette('viridis_r') explode = [0.05,0.02,0.02,0.02,0.02] plt.pie(x=my_df3['total_amount'], labels=my_df3.index, colors= paleta , explode = explode) plt.title('Ventas por articulo') plt.show()

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

# RESOLUCIÓN GRÁFICA plt.bar(df4.index, df4['total_amount'], color = 'greenyellow') plt.xticks(rotation=60) plt.title('Ranking vendedores') plt.xlabel('Seller') plt.ylabel('Amount') plt.show()

# RESOLUCIÓN ANALÍTICA df5=(my_df.groupby('week').sum()).sort_values('total_amount',ascending=False) print(df5)

# RESOLUCIÓN GRÁFICA plt.bar(df5.index,df5['total_amount'],color = 'mediumspringgreen') plt.show()

# RESOLUCIÓN ANALÍTICA df_pais = my_df.groupby('country_name').sum() df_pais.drop(['week', 'quantity'], axis='columns', inplace=True) df_pais_sorted = df_pais.sort_values('total_amount', ascending=False) # elimino las columnas que no necesito print(df_pais_sorted['total_amount'].head(1))

# RESOLUCIÓN ANALÍTICA #Me fijo que % de ventas representa el primero Primero = df_pais_sorted['total_amount'].head(1) df_total = my_df['total_amount'].sum() Primero / df_total

# RESOLUCIÓN GRÁFICA plt.bar(df_pais_sorted.index , df_pais_sorted['total_amount'], color = 'darkcyan') plt.xticks(rotation=60) plt.title('Ranking países') plt.xlabel('Country') plt.ylabel('Amount') plt.show()

#WIP # RESOLUCIÓN # ARMO la información #cross_tab = pd.crosstab(index = my_df['country_name'], columns = my_df['article_name']) #cross_tab