# Levanto los datos en 3 diferentes dataframes
#Articulos conexión
conn = sql3.connect('/work/data/articles.db')
sql_query = pd.read_sql_query('SELECT * FROM articles', conn) #conexión por conn
#dataframe por panda, info de sql query
#Pedir las columnas a traer, con sql pedimos todo xq no sabemos cuáles son
df_articles = pd.DataFrame(sql_query, columns=['article_id', 'article_name', 'unit_price'])
#df_articles
#Vendedores
df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0) #toma la col 0 y sea la index
#df_sellers
#Ordenes
df_orders = pd.read_csv('/work/data/orders.csv')
df_articles
# Exploración del df de artículos
print('Muestra de datos')
print(df_articles.head())
print('\nFormato del Dataframe')
print(df_articles.shape)
print('\nBuscar valores nulos')
print(df_articles.isnull().sum()) #sin sum me da la lista y me tira falso cuando no es nulo, con sum solo me tira la cant de nulos
print('\nFormato de los datos del Datafame')
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('\nBuscar valores nulos')
print(df_sellers.isnull().sum()) #sin sum me da la lista y me tira falso cuando no es nulo, con sum solo me tira la cant de nulos
print('\nFormato de los datos del Datafame')
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('\nBuscar valores nulos')
print(df_orders.isnull().sum()) #sin sum me da la lista y me tira falso cuando no es nulo, con sum solo me tira la cant de nulos
print('\nFormato de los datos del Datafame')
print(df_orders.dtypes)
#Cambiar a float los precios unitarios y guarrdar en la misma col
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 indice del df_articles
df_articles.set_index('article_id', inplace=True)
# Agrego 3 columnas y pongo el campo que me va a servir de "ancla" para buscar la información real.
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'])
#print(df_articles)
print(my_df)
#Reemplazar los valores reales en el df
for i in range (len(my_df.index)): #len(my_df.index) devuelva la cantidad de filas (registros)
#reemplazo el nombre del articulo usando el id guardado en my_df
article = df_articles.loc[my_df.loc[i]['article_id']]['article_name']
my_df.loc[i, 'article_name'] = article
#reemplazo el nombre del vendedor usando el id guardado en my_df
my_df.loc[i, 'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_id']]['seller_name']
#busco el pecio unitario y lo multiplico por la cantidad de unidades vendidas.
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 utilizo
my_df.drop(['article_id', 'seller_id', 'order_id'], axis='columns', inplace=True)
#my_df
#axis='columns', inplace=True)
print(my_df)
# RESOLUCIÓN ANALÍTICA
my_df2 = my_df.groupby('article_name').sum()
por_cantidad = my_df2.sort_values('quantity', ascending=False)
print(por_cantidad['quantity'].head(1))
# RESOLUCIÓN GRÁFICA
sns.barplot(x=my_df2.index, y=my_df2['quantity'], data = my_df2, order=my_df2.sort_values('quantity', ascending=False).index)
plt.xticks(rotation=90)
plt.show()
# RESOLUCIÓN ANALÍTICA
my_df2 = my_df.groupby('article_name').sum()
mayor_ingresos = my_df2.sort_values('total_amount', ascending=False).head()
print(mayor_ingresos['total_amount'])
# RESOLUCIÓN GRÁFICA
#solo los 5 primeros, con porc no sería el núm real
plt.pie(x=mayor_ingresos['total_amount'], labels=mayor_ingresos.index)
plt.show()
# RESOLUCIÓN ANALÍTICA
df3 = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending=False)
print(df3[['quantity']+['total_amount']].head(1))
# RESOLUCIÓN GRÁFICA
plt.bar(df3.index,df3['total_amount'])
plt.xticks(rotation=45)
plt.show()
# RESOLUCIÓN ANALÍTICA
df4 = my_df.groupby('week').sum()
print(df4)
# RESOLUCIÓN GRÁFICA
plt.bar(df4.index,df4['total_amount'])
plt.show()
# RESOLUCIÓN
my_df5 = my_df.groupby('country_name').sum()
por_pais = my_df5.sort_values('total_amount', ascending=False)
pd.options.display.float_format = '$ {:,.2f}'.format
#df['total_amount']
print(por_pais['total_amount'].head())
#print(my_df3)
sns.barplot(x=my_df5.index, y=my_df5['total_amount'],data = my_df5,palette ='rocket', order=my_df5.sort_values('total_amount', ascending=False).index)
plt.xticks(rotation=45)
plt.xlabel('Países')
plt.ylabel('Ingresos por ventas')
plt.show()
# RESOLUCIÓN
my_df6 = my_df.groupby('article_name').sum()
por_cant = my_df6.sort_values('quantity', ascending=True).head()
print(por_cant['quantity'])
plt.bar(por_cant.index,por_cant['quantity'], width=0.6, color=['firebrick','darkolivegreen','teal','navy','purple'])
plt.xticks(rotation=30)
plt.xlabel('Artículos menos vendidos')
plt.ylabel('Cantidad')
plt.show()
# RESOLUCIÓN
df7 = my_df
vendedor = df7.loc[my_df['seller_name'] == "Janel O'Curran"]
vendedor = vendedor.groupby('article_name').sum().sort_values('total_amount', ascending=False).head(8)
vendedor.drop(['week','quantity'],axis = 'columns', inplace=True)
print(vendedor)
plt.pie(x=vendedor['total_amount'], labels=vendedor.index)
plt.show()