TP Final Integrador -Juan Aladro

Tp Integrador-Big Data

Comisión: 22044

Alumno: Juan Martin Aladro

# 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) # 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 data frame') print(df_articles.shape) print('\nBusqueda de valores nulos por columna') print(df_articles.isnull().sum()) print('\nFormato de los datos por columna') print(df_articles.dtypes) #print(df_articles.values)

# Exploración del df de vendedores print('Muestra de datos') print(df_sellers.head()) print('\nformato del data frame') print(df_sellers.shape) print('\nBusqueda 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() # Armo el indice df_artic = df_articles.set_index('article_id',inplace = False) # Duplico columnas que me sirven para generar el nuevo campo 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 for i in range(len(my_df.index)): # Obtenemos article_name id_articulo = my_df.loc[i]['article_id'] nombreArticulo = df_artic.loc[id_articulo]['article_name'] my_df.loc[i,'article_name'] = nombreArticulo # Obtenemos total_amount precioArticulo = df_artic.loc[id_articulo]['unit_price'] my_df.loc[i, 'total_amount'] = my_df.loc[i,'quantity'] * precioArticulo # Obtenemos seller_name id_vendedor = my_df.loc[i]['seller_id'] nombreVendedor = df_sellers.loc[id_vendedor]['seller_name'] my_df.loc[i, 'seller_name'] = nombreVendedor

# RESOLUCIÓN ANALÍTICA df_cant_articulos = my_df.groupby('article_name').sum().sort_values('quantity', ascending=False) print(df_cant_articulos['quantity'].head(1))

# RESOLUCIÓN GRÁFICA sns.barplot(y = df_cant_articulos["quantity"], x=df_cant_articulos.index, palette='Set2') sns.set_style('whitegrid',{"grid.color": "k","patch.edgecolor": "k", "grid.linestyle": "--", "font":"calibri"}) plt.gcf().set_size_inches(15, 8) plt.title ("¿Cuál es el artículo mas vendido?", color='purple', fontsize= 20) plt.xticks(rotation=90, fontsize=12 ) plt.xlabel('Nombre del Articulo', color='k', fontsize=15) plt.ylabel('Cantidad del Articulo', color='k',fontsize=15) plt.show()

El artículo mas vendido es el HDD (discos duros) con 413 unidades.

# RESOLUCIÓN ANALÍTICA df_monto_articulo = my_df.groupby('article_name').sum().sort_values('total_amount', ascending=False).head(5) print(df_monto_articulo['total_amount'].head(1))

# RESOLUCIÓN GRÁFICA plt.barh(df_monto_articulo.index, df_monto_articulo['total_amount'] ,color =['plum'],height=1) sns.set_style('whitegrid',{"grid.color": "0.6","patch.edgecolor": "yellow", "grid.linestyle": ":", "font":"calibri"}) plt.gcf().set_size_inches(6, 5) plt.title ("¿Que artículo es el que mas ingreso nos proporciono?", color='purple', fontsize= 20) plt.xticks(fontsize=13, color='k') plt.yticks(fontsize=13, color='k') plt.xlabel('Monto total', color='k', fontsize=12) plt.ylabel('Articulo', color='k',fontsize=12) plt.show()

El artículo que mayor ingreso proporcionó es el de Full PC. Este producto supera a los ingresos proporcionados por el segundo articulo más vendido en más del doble.

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

# RESOLUCIÓN GRÁFICA plt.bar(df_monto_vendedor.index, df_monto_vendedor['total_amount'], color ='peachpuff') sns.set_style('whitegrid',{"grid.color": ".6","patch.edgecolor": "yellow", "grid.linestyle": ":", "font":"calibri"}) plt.gcf().set_size_inches(10, 7) plt.title ("Mejor vendedor del mes", color='purple', fontsize= 20) plt.xticks(rotation=90, ha="right",fontsize=13, color='k') plt.yticks(fontsize=13, color='k') plt.xlabel('Vendedor', color='k', fontsize=12) plt.ylabel('Monto Total($)', color='k',fontsize=12) plt.show()

Janel O´Curran ha sido el mejor vendedor durante el periodo de tiempo analizado.

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

# RESOLUCIÓN GRÁFICA sns.barplot(y = df_venta_semanal['total_amount'], x=df_venta_semanal.index, palette='Set2') sns.set_style('whitegrid',{"grid.color": ".6","patch.edgecolor": "yellow", "grid.linestyle": ":", "font":"calibri"}) plt.title ("Ventas por semanas", color='purple', fontsize= 20) plt.xticks(range(0,5,1),fontsize=13, color='k') plt.yticks(fontsize=13, color='k') plt.xlabel('Semanas del mes', color='k', fontsize=12) plt.ylabel('Monto de ventas', color='k',fontsize=12) plt.show()

La disminución en el nivel de ventas es gradual en cuanto avanza el mes. Por este motivo, la última semana del mes sera la más adecuada para lanzar una promoción que incentive las ventas.

# RESOLUCIÓN df_order_pais_SUM = my_df.groupby(by='country_name').sum().sort_values('total_amount') sns.set_style({ "grid.linestyle": ":", "font":"calibri"}) plt.gcf().set_size_inches(10, 7) plt.title ("Relacion entre monto y cantidades", color='purple', fontsize= 20) plt.xticks(rotation=60, ha="right",fontsize=13, color='k') plt.yticks(fontsize=13, color='k') plt.xlabel('cantidad total', color='k', fontsize=15) plt.ylabel('Monto Total', color='k',fontsize=15) sc=sns.scatterplot(y="total_amount",x="quantity",data=df_order_pais_SUM,hue="country_name", palette="colorblind") plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', borderaxespad=0,title="Países") plt.show()

# RESOLUCIÓN my_df_quincena1=my_df[(my_df['week'] == 1)+(my_df['week'] == 2)] my_df_quincena1 = my_df_quincena1.rename(columns={'order_id':'order_id_Q1'}) cantidad_ordenes_por_pais1= my_df_quincena1.groupby(by='country_name').count().sort_values('order_id_Q1') my_df_quincena2=my_df[(my_df['week'] == 3)+(my_df['week'] == 4)] my_df_quincena2 = my_df_quincena2.rename(columns={'order_id':'order_id_Q2'}) cantidad_ordenes_por_pais2= my_df_quincena2.groupby(by='country_name').count().sort_values('order_id_Q2') df_quincena = pd.merge(cantidad_ordenes_por_pais1,cantidad_ordenes_por_pais2,on='country_name', how='left') print(df_quincena[['order_id_Q1']+['order_id_Q2']]) sns.set_style('whitegrid',{"patch.edgecolor": "yellow", "grid.linestyle": ":", "font":"calibri"}) plt.gcf().set_size_inches(7, 6) plt.title ("Pedidos realizados por pais", color='purple', fontsize= 20) plt.xlabel('pais', color='k', fontsize=12) plt.ylabel('pedidos', color='k',fontsize=12) plt.xticks(rotation=90, ha="right",fontsize=13, color='k') plt.yticks(fontsize=13, color='k') p1 = plt.bar(df_quincena.index, df_quincena['order_id_Q1'], label='quincena1', color='plum', width = 0.8) p2 = plt.bar(df_quincena.index, df_quincena['order_id_Q2'], bottom=df_quincena['order_id_Q1'], label='quincena2', color='turquoise',width = 0.8) plt.legend()

El análisis de ventas por quincena muestra que la tendencia de disminución de ventas al final del mes tiene lugar en la mayoria de los paises. Con algunas excepciones como Bolivia, Chile, y en menor medida, Mexico y Brasil.

my_df_brasil= my_df[(my_df['country_name'] == 'Brazil')] y=my_df_brasil.groupby(['article_name']).sum().sort_values('total_amount',ascending=False) print(y['total_amount'].head(5)) plt.xticks(rotation=90) plt.bar(y.index, y['total_amount'],color='b', width = 0.8)

# RESOLUCIÓN my_df_brasil_PC = my_df[(my_df['country_name'] == 'Brazil') & (my_df['article_name'] == 'Full Pc')] y=my_df_brasil_PC.groupby(['seller_name']).sum().sort_values('total_amount', ascending=False) print(y['total_amount'].head(5)) my_df_brasil_PC.groupby(['seller_name']).sum().sort_values('total_amount').plot(kind='pie', y='total_amount', autopct='%2.0f%%', colors = ['plum', 'pink', 'steelblue','orange','purple','green','yellow','teal','hotpink'], figsize= (9, 9), labeldistance=None, startangle=90,counterclock=False, frame=True, ) plt.title ("Ventas de Full PC en Brasil por vendedor", color='k', fontsize= 20) plt.legend(loc='upper left')

El gráfico arriba muestra que los 2 mejores vendedores de PC en Brasil realizan casi el 50% de las ventas de ese artículo.

El trabajo de análisis arriba nos permite ver que las cantidades vendidas de los diferentes artículos en el conjunto de los países es bastante homogénea.

Sin embargo, los artíclos que producen mayores ganancias en relación a la cantidad de items vendidos son productos completos y no partes o periféricos.

En cuanto a los volúmenes de ventas, podemos notar en más de un gráfico que Brasil representa el mercado más grande de este tipo de articulos en la región.

También es claro que las ventas siguen una tendencia de disminución hacia el final del periodo analizado y que 3 vendedores se destacan del resto: Janel O´Curran por mejor vendedor, y Daisie Slograve y Aveline Swanwick por representar casi el 50% de ventas del articulo que mas ingresos produce.

1.Como primera propuesta deberiamos considerar incentivar la venta de esta clase de artículos en el mercado mexicano ya que por cantidad (estimativa) de habitantes no parece encontrarse tan desarrollado como podría.

2. Será conveniente realizar promociones en las segundas quincenas en la mayoria de los paises de la region.

3. Estas promociones deberían concentrarse en los artículos "Smartphone" y "Notebook" ya que son el 2do y el 3er artículo que mayor ganancia genera y se posicionan por sobre las "Tablet" y las "Netbook" que también son artículos completos.

.css-15w88e5{color:var(--chakra-colors-fg-neutral-primary);font-weight:inherit;letter-spacing:-0.09px;}Tp Integrador-Big Data

Tp Integrador-Big Data