# 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)
# 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('\nBúsqueda 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('\nBúsqueda 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('\nBúsqueda 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)
my_df = df_orders.copy() # shallow copy o copia superficial (otro Objeto alojado en la memoria)
# 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'])
# 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.loc[i]['article_id']]['article_name'])
article = df_articles.loc[my_df.loc[i]['article_id']]['article_name']
# print(article)
# Asignar a cada valor id de la columna 'article_name' (my_df) el nombre del artículo
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)
# RESOLUCIÓN ANALÍTICA
print(my_df['article_name'].value_counts()) # cuenta valores únicos
# RESOLUCIÓN GRÁFICA
sns.displot(my_df, x='article_name')
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'])
# 'article_name' es el index
# print(df2) # agrupa (y suma) sólo datos numéricos
# SINTAXIS ALTERNATIVA
# pd.options.display.float_format= '$ {:,.2f}'.format
# print(my_df[['article_name'] + ['total_amount']].groupby(['article_name']).sum().sort_values('total_amount', ascending=False).head(5))
# RESOLUCIÓN GRÁFICA
plt.pie(x=df2['total_amount'], labels=df2.index)
plt.show()
# 'article_name' es el index
# RESOLUCIÓN ANALÍTICA
df4 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False)
pd.options.display.float_format= '$ {:,.2f}'.format
# print(df4[['quantity'] + ['total_amount']])
print(df4[['quantity'] + ['total_amount']].head(5))
# 'seller_anme' es el index
# RESOLUCIÓN GRÁFICA
plt.bar(df4.index, df4['total_amount'])
plt.xticks(rotation=60)
plt.show()
# 'seller_anme' es el index
# RESOLUCIÓN ANALÍTICA
df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount', ascending=False)
pd.options.display.float_format= '$ {:,.2f}'.format
print(df5[['quantity'] + ['total_amount']])
# 'week' es el index
# RESOLUCIÓN GRÁFICA
plt.bar(df5.index, df5['total_amount'])
plt.show()
# 'week' es el index
# Resolución Analítica y Gráfica
## Ventas por País en $
df_countries = (my_df[['country_name','total_amount']].groupby(by='country_name').sum()).sort_values('total_amount', ascending=False)
pd.options.display.float_format= '$ {:,.0f}'.format
print(df_countries)
plt.style.use('seaborn')
plt.bar(df_countries.index, df_countries['total_amount'], color='C7')
plt.xticks(rotation=60)
plt.title('Ventas por País en $')
plt.show()
# Resolución Analítica y Gráfica
## Ventas en cantidad por País
df_countries = (my_df[['country_name','quantity']].groupby(by='country_name').sum()).sort_values('quantity', ascending=False)
pd.options.display.float_format= '$ {:,.0f}'.format
print(df_countries)
plt.style.use('seaborn')
plt.bar(df_countries.index, df_countries['quantity'], color='C7')
plt.xticks(rotation=60)
plt.title('Ventas en cantidad por País')
plt.show()
# Resolución Analítica y Gráfica
## Mejores vendedores de Argentina
df_argentina = my_df[my_df['country_name'] == 'Argentina']
df_argentina_sellers = (df_argentina.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False).index.values
print(df_argentina[['seller_name','total_amount', 'quantity']].groupby('seller_name').sum().sort_values('total_amount', ascending=False))
df_argentina_bars = df_argentina[['seller_name','total_amount']].groupby('seller_name').sum('total_amount').sort_values('total_amount', ascending=False).reset_index()
df_argentina_line = df_argentina[['seller_name','quantity']].groupby('seller_name').sum('quantity').sort_values('quantity', ascending=False).reset_index()
fig, ax1 = plt.subplots()
sns.barplot(x='seller_name', y='total_amount', data = df_argentina_bars, ax=ax1, color='C7', order = df_argentina_sellers, ci=None)
plt.xticks(rotation=60)
ax2 = ax1.twinx()
sns.lineplot(data = df_argentina_line, x='seller_name', y='quantity', ax=ax2, color='C35', ci=None)
plt.xticks(rotation=60)
plt.title('Mejores Vendedores de Argentina')
ax1.set_xlabel("Nombre del Vendedor")
ax1.set_ylabel("Ventas en $")
ax2.set_ylabel("Ventas en Cantidad")
plt.show()
El artículo más vendido en cantidad es HDD, con 47 unidades.
El artículo que más ingreso nos proporcionó es Full PC, por $ 538.335,93.
El bono al mejor vendedor del mes, se debe otorgar a Janel O´Curran, pues vendió 703 unidades por un monto de $ 192.832,47.
Hay grandes variaciones en las ventas a lo largo del mes, dado que a fin de mes las mismas descienden un poco más de la mitad. Antes de que ello ocurra, debería lanzarse una campaña de promociones, alrededor de mitad de mes, para conseguir el efecto deseado.
El monto de ventas por País es el siguiente (solamente detallo los 3 primeros en las conclusiones): Brasil $ 441.272; Argentina $ 205.833 y Colombia $ 177.514.
Las ventas en cantidad por País (detallo sólo los 3 primeros países en las conclusiones): Brasil 2.515 unidades; Perú 1.027 unidades y Argentina 947 unidades.
Para Argentina, el mejor vendedor es Janel O´Currean por $ 34.971 y con 91 unidades vendidas; el peor es Milly Christroffe por $ 721 y 11 unidades.