# 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 openpyxl # para que levante bien el excel import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwarnings("ignore")

# Levanto los datos en 3 diferentes dataframes # Artículos conn = sql3.connect('/work/data/articles.db') df_articles = 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 dataframe') print(df_articles.shape) print('\nBúsqueda de valores nulos 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()) 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 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() # Cambio el índice del df de artículos df_articles.set_index('article_id',inplace = True) # Agrego algunas columnas y pongo el campo que me va a servir de "ancla" para acordarme 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 # 1. busco el nombre del artículo y lo asigno a una variable # como df_articles está indexado por article_id, lo uso para ubicarme en # el registro que busco # 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 for i in range(len(my_df.index)): # len(my_df.index) devuelve la cantidad de registros id_articulo = my_df.loc[i]['article_id'] nombre_articulo = df_articles.loc[id_articulo]['article_name'] # se lo asigno a la columna correspondiente my_df.loc[i,'article_name'] = nombre_articulo # hago lo mismo en un solo paso para la columna de total_amount precio_articulo = df_articles.loc[id_articulo]['unit_price'] cant_articulo = my_df.loc[i]['quantity'] my_df.loc[i,'total_amount'] = precio_articulo * cant_articulo # columna de seller_name id_vendedor = my_df.loc[i]['seller_id'] nombre_vendedor = df_sellers.loc[id_vendedor]['seller_name'] my_df.loc[i,'seller_name'] = nombre_vendedor # elimino las columnas que no necesito my_df.drop(['order_id', 'article_id', 'seller_id'], axis = 'columns', inplace=True) print(my_df)

# SI SOBRA TIEMPO Se puede mencionar la función merge para hacer joins entre dataframes # https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.merge.html d1=pd.DataFrame({'mes': ['ene','feb','mar','abr'], 'ventas':[10,20,30,15]}) d2=pd.DataFrame({'mes': ['ene','feb','mar','abr'], 'costos':[7,16,25,12]}) print(pd.merge(d1,d2))

# 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))

# RESOLUCIÓN GRÁFICA sns.barplot(y=por_cant["quantity"], x=por_cant.index) plt.xticks(rotation=90) plt.show()

# RESOLUCIÓN ANALÍTICA print(my_df) df2 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(5) print(df2['total_amount']) # El artículo que mas ingreso proporcionó fué Full Pc

# RESOLUCIÓN GRÁFICA ---> OJO: Voy a tomar sólo los 5 primeros artículos que más ingresos proporcionaron # No puedo hacer una comparativa ni porcentajes porque no tomé el total de los datos #plt.pie(x=df2['total_amount'], labels=df2.index) #plt.show() plt.barh(df2.index,df2['total_amount'] , height=0.8) plt.show() # solo lo quise mostrar con los dos tipos de gráficos, plt.bar(df2.index,df2['total_amount']) plt.show()

# RESOLUCIÓN ANALÍTICA df4 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False).head(5) print(df4[['quantity', 'total_amount']]) # el mejor vendedor del mes es Janel O' Curran

# RESOLUCIÓN GRÁFICA plt.bar(df4.index,df4['total_amount']) plt.xticks(rotation=60, ha="right") plt.show()

# RESOLUCIÓN ANALÍTICA df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False) print(df5['total_amount']) # si hay grandes variaciones, pienso que debe lanzarse una campaña de promociones en la última semana

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

# RESOLUCIÓN df_pais_min_semana = my_df.groupby(['week', 'country_name']).sum().sort_values('total_amount') print(df_pais_min_semana.isnull().sum()) weeks = my_df['week'].unique() for week in weeks: condition = df_pais_min_semana['total_amount'] ==\ df_pais_min_semana.loc[week,]['total_amount'].min() # se accede al indice de la clave que refiere al pais (1).porque 0 corresponde a la semana pais = df_pais_min_semana[condition].index[0][1] monto = round(df_pais_min_semana[condition]['total_amount'].values[0],3) print("El país que menos compró la semana {} fué ".format(week)) print(f"{pais} con un total de $ {monto} \n") # tener un conocimiento de qué país compra menos cada semana, # puede ayudar a tomar decisiones en # la creación de campañas en esos lugares para incentivar la venta.

# RESOLUCIÓN # cuál fué el vendedor que más vendió en cada país? #creo que es importante saber que vendedor vende más en cada país, para dar incentivos por ventas generadas. df_ven_max_pais = my_df.groupby(['country_name']) print(df_ven_max_pais) for name, data in df_ven_max_pais: print(name) print(data.groupby('seller_name').sum().sort_values("total_amount", ascending=False)['total_amount'].head(1)) print("\n")

df_min_article = my_df.groupby("article_name").sum().sort_values("total_amount", ascending=True)["total_amount"].head(5) print(df_min_article) sns.barplot(x=df_min_article.index,y= df_min_article) plt.title('5 artículos que generaron menos ingresos') plt.show() # es importante conocer cuales son los artículos que menos ingresos generan, para evaluar la posibilidad de hacer campañas # de promoción o bien ver si realmente conviene tener mucho stock de los mismos.

## Total de ventas por país df_total_sales = my_df.groupby(['country_name']).sum() #define Seaborn color palette to use colors = sns.color_palette('Paired') #bar chart sns.barplot(x=df_total_sales.index,y=df_total_sales['total_amount']) plt.xticks(rotation=60, ha="right") plt.title('Total de ventas por país') plt.show() sns.set_theme() ## Total de ventas por pais y por semana df_sales = my_df.groupby(['country_name', 'week']).sum() countries = my_df['country_name'].unique() df_countries = pd.DataFrame(columns=['country', 'week', 'total_amount']) for country in countries: df_country = df_sales.loc[country] for week in df_country.index: df_countries = df_countries.append({'country': country, 'week': week, 'total_amount': df_country.loc[week]['total_amount']}, ignore_index=True) print(df_countries.head(len(df_countries))) countries_data = df_countries.pivot("country", "week", "total_amount") # heatmap con datos numericos en cada celda, #las celdas vacias indican que no existen ventas en esa instancia. f, ax = plt.subplots(figsize=(9, 6)) sns.heatmap(countries_data, annot=True, fmt=".2f", linewidths=.7, ax=ax) plt.title('Total de ventas por país y por semana \n') plt.show()