Jimena Schreiber - TP Final

# Levanto los datos en 3 diferentes dataframes # 1) Levanto la base en SQL (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']) # 2) Levanto los datos de excel (Vendedores) df_sellers= pd.read_excel('/work/data/sellers.xlsx', index_col=0) # 2) Levanto los datos de csv (Ordenes) df_orders= pd.read_csv('/work/data/orders.csv')

# Exploración del df de artículos print('Muestra de Articulos') print(df_articles.head()) print('\n Formato del DataFrame') print(df_articles.shape) print('\n Busqueda de valores null en columnas') print(df_articles.isnull().sum()) print('\n Formato de los datos por columna') print(df_articles.dtypes)

# Exploración del df de vendedores print('Muestra de Vendedores') print(df_sellers.head()) print('\n Formato del DataFrame') print(df_sellers.shape) print('\n Busqueda de valores null en columnas') print(df_sellers.isnull().sum()) print('\n Formato de los datos por columna') print(df_sellers.dtypes)

# Exploración del df de órdenes print('Muestra de Ordenes') print(df_orders.head()) print('\n Formato del DataFrame') print(df_orders.shape) print('\n Busqueda de valores null en columnas') print(df_orders.isnull().sum()) print('\n Formato 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']) 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'] # elimimo 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 df1= my_df.groupby(by='article_name').sum().sort_values(by='quantity', ascending = False).head(10) pd.options.display.float_format= '$ {:,.2f}'.format print(df1)

# RESOLUCIÓN GRÁFICA df1['quantity'].plot(kind='bar') plt.xticks(rotation=90) sns.set_palette('Accent_r') plt.show

# RESOLUCIÓN ANALÍTICA df2=(my_df.groupby(by='article_name').sum()).sort_values('total_amount', ascending=False).head(10) pd.options.display.float_format= '$ {:,.2f}'.format print(df2['total_amount'])

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

# RESOLUCIÓN ANALÍTICA df4= my_df[['seller_name']+['quantity']+ ['total_amount']].groupby(['seller_name']).sum().sort_values('total_amount', ascending=False).head(5) print(df4) pd.options.display.float_format= '$ {:,.2f}'.format

# RESOLUCIÓN GRÁFICA plt.bar(df4.index, df4['total_amount']) pd.options.display.float_format= '$ {:,.2f}'.format plt.xticks(rotation=60) sns.set_palette('BuPu') plt.show pd.options.display.float_format= '$ {:,.2f}'.format

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

# RESOLUCIÓN GRÁFICA plt.bar(df5.index,df5['total_amount']) sns.set_palette('BuPu') plt.show()

# RESOLUCIÓN ANALÍTICA df6=(my_df.groupby(by='country_name').sum()).sort_values('total_amount', ascending=False).head(5) pd.options.display.float_format= '$ {:,.2f}'.format print(df6['total_amount'])

# RESOLUCIÓN GRÁFICA plt.pie(x=df6['total_amount'], labels=df6.index, autopct='%1.2f%%') sns.set_palette('Set2') plt.show()

# RESOLUCIÓN ANALITICA my_df_arg= my_df[(my_df.country_name =='Argentina')] my_df_bra= my_df[(my_df.country_name =='Brazil')] df7a= my_df_arg[['week']+['quantity']].groupby(['week']).sum().sort_values('quantity', ascending=False).head(5) print('Ventas Argentina por Semana \n', df7a['quantity']) print() df7b= my_df_bra[['week']+['quantity']].groupby(['week']).sum().sort_values('quantity', ascending=False).head(5) print('Ventas Brasil por Semana \n', df7b['quantity'])

# Resolucion Grafica my_df_argba = my_df[(my_df.country_name =='Argentina') | (my_df.country_name =='Brazil')] sns.barplot(x='week', y='quantity', hue='country_name', data=my_df_argba) sns.set_palette('Set2')

# RESOLUCIÓN ANALITICA df8=my_df.loc[my_df['seller_name']=='Aveline Swanwick'] #print(df8) #ventas de Aveline por Pais por pais df9=(df8.groupby(by='country_name').sum()).sort_values('total_amount', ascending=False).head(10) pd.options.display.float_format= '$ {:,.2f}'.format print('Ventas de Aveline por Pais \n', df9['total_amount']) print() df10=my_df.loc[my_df['seller_name']=='Oliviero Charkham'] #print(df10) #ventas de Oliviero por Pais por pais df11=(df10.groupby(by='country_name').sum()).sort_values('total_amount', ascending=False).head(10) pd.options.display.float_format= '$ {:,.2f}'.format print('Ventas de Oliviero por Pais \n', df11['total_amount'])

# RESOLUCIÓN GRAFICA my_df_sellers= my_df[(my_df.seller_name =='Aveline Swanwick') | (my_df.seller_name =='Oliviero Charkham')] sns.barplot(x='country_name', y='total_amount', hue='seller_name', data=my_df_sellers) plt.xticks(rotation=90) sns.set_palette('Set2')

En este dataset encontramos información sobre las ventas de un determinado mes de una empresa dedicada a la comercialización de artículos de componentes de PC a lo largo de 16 países de Latinoamerica.

Explorando los datos vemos que que la base de datos nos proporciona información sobre: artículos, vendedores, países, cantidad de ventas y su importe correspondiente.

Algunos resultados que surgen del análisis de esta base de datos:

1) Podemos concluir que el articulo mas vendido en cantidad es el HDD, con un total 413 unidades, lo que da un importe por ventas de $ 22,558.06.

2) Sin embargo, el articulo que proporciono mas ingresos en el mes fue el Full PC, con un total de $ 538,335.93

3) El bono al mejor vendedor de este mes se lo otorgaremos a Janel O'Curran, que vendió 703 unidades por un importe total de $ 192,832.474.

4) A lo largo del mes vemos una clara tendencia decreciente en el volumen de ventas a medida que transcurren las semanas

5) El pais que mas ingresos por ventas tiene es Brasil ($ 441,271), seguido por Argentina ($ 205,832) y en tercer lugar Colombia ($ 177,514)

6) Si miramos las ventas en Argentina, veos que la semana con mayor cantidad de unidades de ventas es la segunda semana del Mes. En Brasil sin embargo, se mantiene la tendencia decreciente.

7) Si nos enofcamos en dos de los mejores vendedores Aveline Swanwick tiene mayor cantidad de ventas en Brasil, Peru y Mexico. Mientras que Oliviero vende mas en Venezuela, Argentina y Costa Rica.