# A veces necesitamos instalar nuevas librerías en nuestros proyectos
!pip install openpyxl==3.0.10
# 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)
# 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('\nBusqueda 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('\nBusqueda de valores nuls 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('\nBusqueda de valores nuls 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 indice 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())):
# SINTAXIS: df_articles.loc[indice][columna]
# [indice] va a ser el dato que obtengo de my_df.loc[i]['article_id']
# [indice] -> [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)
# 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 variables numéricas
# 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, autopct='%1.2f%%')
plt.show()
# index es el 'article_name' del df2
# 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_name' es el index
# RESOLUCIÓN GRÁFICA
plt.bar(df4.index, df4['total_amount'])
plt.xticks(rotation=60)
plt.show()
# 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()
# RESOLUCIÓN
df51 = (my_df.groupby(by = 'country_name').sum()).sort_values('quantity', ascending = False).head(10)
pd.options.display.float_format = '$ {:,.2f}'.format
print(df51[['quantity'] + ['total_amount']])
# RESOLUCION GRÀFICA
c=['gold', 'yellowgreen', 'lightcoral', 'lightskyblue', 'coral']
plt.bar(df51.index, df51['total_amount'], color=c )
font1 = {'color':'hotpink','size':16}
font2 = {'color':'hotpink','size':12}
plt.title("Países con Mator Vta", fontdict = font1)
plt.xlabel("Países", fontdict = font1)
plt.ylabel("Monto total", fontdict = font2)
plt.xticks(rotation=90)
plt.show()
# RESOLUCIÓN
df_br = my_df[my_df['country_name'] == 'Brazil']
df_br_week = (df_br.groupby(by='week').sum()).sort_values('total_amount', ascending=False).index.values
print(df_br[['week','total_amount', 'quantity']].groupby('week').sum().sort_values('total_amount', ascending=False))
# Resolución Analítica y Gráfica
df_br_bars = df_br[['week','total_amount']].groupby('week').sum('total_amount').sort_values('total_amount', ascending=False).reset_index()
df_br_line = df_br[['week','quantity']].groupby('week').sum('quantity').sort_values('quantity', ascending=False).reset_index()
fig, ax1 = plt.subplots()
sns.barplot(x='week', y='total_amount', data = df_br_bars , ax=ax1, color='C7', order = df_br_week, ci=None)
plt.xticks(rotation=60)
ax2 = ax1.twinx()
sns.lineplot(data = df_br_line, x='week', y='quantity', ax=ax2, color='C35', ci=None)
plt.xticks(rotation=60)
plt.title('Evolución Ventas de Brasil')
ax1.set_xlabel("WEEK")
ax1.set_ylabel("Ventas$")
ax2.set_ylabel("VentasCant")
plt.show()
# RESOLUCIÓN
df_br_seller = (df_br.groupby(by='seller_name').sum()).sort_values('quantity', ascending=False).head(5)
print((df_br[['seller_name','quantity']].groupby('seller_name').sum().sort_values('quantity', ascending=False).head(5)))
# Resolución Analítica y Gráfica
l= df_br_seller.index
c=['gold', 'yellowgreen', 'lightcoral', 'lightskyblue', 'coral']
plt.pie(x=df_br_seller['quantity'], labels=l, colors=c, startangle=90, shadow = True)
font1 = {'color':'darkblue','size':16}
plt.title("Mejores Vendedores", fontdict = font1)
plt.show()
Podemos indicar que:
* El articulo de mayor venta es el HDD con 47 unidades vendidas. A pesar de ello el que mayores ingresos proporciona es el Full PC por un monto de $538335,93.
* El bono de "Mejor vendedor del mes" es para Janel O'Curran; ya que logró vender 703 unidades
* El país que más vendió fue Brasil por un monto de $441271,85 y 2515 unidades. A pesar de su cantidad de ventas, la evolución de las mismas, no fue en aumento. Dentro de Brasil no contamos con un vendedor que se destaque del resto, al cual se deba analizar en profundida.
* Creo que los análisis de ventas deberían incluir una densidad demográfica.