# 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') query1 = pd.read_sql_query('SELECT * FROM articles', conn) df_articles = pd.DataFrame(query1, 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 por columna') 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 por columna') 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 por columna') 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 base my_df = df_orders.copy() # Cambio el índice del df artículos df_articles.set_index('article_id', inplace=True) print(my_df) #print(df_articles)

# Agrego algunas columnas y pongo el campo que me va a servir de "ancla" my_df = my_df.assign(article_name = my_df['article_id']) my_df = my_df.assign(total_amount = my_df['article_id']) # voy a necesitar el unit_price my_df = my_df.assign(seller_name = my_df['seller_id']) # reeplazar los valores en el nuevo df # df_articles[?]['article_name'] for i in range(len(my_df.index)): # len... devuelve la cantidad de registros article = df_articles.loc[my_df.loc[i]['article_name']]['article_name'] # reemplazo en la columna 'article_name' my_df.loc[i,'article_name'] = article # modificar la columna total_amount my_df.loc[i,'total_amount'] = my_df.loc[i,'quantity'] * df_articles.loc[my_df.loc[i]['total_amount']]['unit_price'] # modifical la columna 'seller_name' my_df.loc[i,'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_name']]['seller_name']

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

# 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)) # CLASE DE CONSULTA 11/7 # para obtener sólo el nombre del artículo # print(por_cant['quantity'].head(1).index.tolist()[0])

# RESOLUCIÓN GRÁFICA sns.displot(my_df, x='article_name') 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 # OJO: No puedo hacer un análisis comparativo ni poner porcentajes porque # no están todos los artículos en este df. Sólo puse los top 5 plt.pie(x=my_df3['total_amount'], labels=my_df3.index) plt.show()

# RESOLUCIÓN ANALÍTICA my_df4 = (my_df.groupby('seller_name').sum()).sort_values('total_amount', ascending=False) print(my_df4[['quantity']+['total_amount']])

# RESOLUCIÓN GRÁFICA plt.bar(my_df4.index, my_df4['total_amount']) plt.xticks(rotation=60) plt.show()

# RESOLUCIÓN ANALÍTICA my_df5 = (my_df.groupby('week').sum()).sort_values('total_amount',ascending=False) print(my_df5)

# RESOLUCIÓN GRÁFICA plt.bar(my_df5.index,my_df5['total_amount']) plt.show()

# RESOLUCIÓN

#CONSULTA YAZHIRA df_top_3_articles = my_df[(my_df['article_name'] == 'Full Pc') | (my_df['article_name'] == 'Notebook') | (my_df['article_name'] == 'Smartphone')] df_top_3_articles = df_top_3_articles[['article_name','country_name','total_amount']] df_top_3_articles = df_top_3_articles.groupby(['article_name','country_name'])['total_amount'].sum().reset_index() print(df_top_3_articles)

plot_order = df_top_3_articles.groupby('country_name')['total_amount'].sum().sort_values(ascending=False).index.values sns.catplot(y='total_amount',x='country_name',hue='article_name',data=df_top_3_articles,palette='rocket',kind='bar') plt.xticks(rotation=90) plt.title('Income generated by top 3 selled articles per Country') plt.ylabel('Country') plt.xlabel('Income ($)') plt.show() print(plot_order)

for i in range(len(my_df.index)): article = df_articles.loc[my_df.loc[i]['article_id']]['article_name'] #my_df.loc[fila(i)][columna ('article_name')] Sintáxis para obtener el indice del recorrido en la tabla de my_df de 3 columnas y acceder al dato o nombre del artículo my_df.loc[i,'article_name'] = article #manejo de la misma sintáxis para total amount my_df.loc[i,'total_amount'] = df_articles.loc[my_df.loc[i]['article_id']]['unit_price']* my_df.loc[i,'quantity'] #Elimino las columnas que no se necesitan my_df.drop(['order_id','article_id','seller_id'], axis='columns', inplace=True) print(my_df)