# A veces necesitamos instalar nuevas librerías en nuestros proyectos !pip install openpyxl==3.0.10 # esta librería no viene incorporado en deepnote, entonces la voy a tener que instalar SIEMPRE desde la consola del SISTEMA OPERATIVO (!) y no desde el interprete de python. #pip lines: son los métodos que le voy a aplicar a cada dataframe sucesivamente, serie de procesos donde lo que sale de un proceso se convierte en la entrada de un nuevo proceso.

# imports import numpy as np import pandas as pd import sqlite3 as sql3 import matplotlib.pyplot as plt import seaborn as sns from sklearn.preprocessing import StandardScaler

# 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']) #creamos un dt de articles #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) # para ver el formato del dt, se usa el atributo "shape" print('\nBúsqueda de valores nulos por columna') print(df_articles.isnull().sum()) # busco los nulos de cada columna y los voy a contar print('\nFormato de los datos') print(df_articles.dtypes) # ver el tipo de dato que tengo en cada columna

# 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) # cambio el tipo de objeto 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) # aplica el cambio sobre el mismo df 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']) # reemplazar 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'] # para buscar por filas, uso ".loc" # 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'] #modificar la columna "seller_name" my_df.loc[i,'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_name']]['seller_name'] print(my_df)

# elimino las columnas que no necesito my_df.drop(['order_id','article_id','seller_id'], axis='columns', inplace=True) #inplace es para que no me devuelva una copia y trabaje sobre el mismo dt 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))

# RESOLUCIÓN GRÁFICA sns.displot(my_df, x='article_name') plt.xticks(rotation=80) plt.show() #darle el estilo que querramos: ponerle titulo, etiqueta a ejes color

# RESOLUCIÓN ANALÍTICA my_df3 =(my_df.groupby('article_name').sum()).sort_values('total_amount', ascending=False).head(5) """ my_df3 =(my_df.groupby('article_name').sum()) my_df3 = my_df3.sort_values('total_amount', ascending=False) my_df3 = my_df3.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']]) # para que se visualicen las dos columnas

# 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)

# Ejemplo con gráfico de tortas # plt.pie(x=my_df5['total_amount'], labels=my_df5.index) # plt.show()

my_df5['total_amount'].median()

# RESOLUCIÓN GRÁFICA plt.bar(my_df5.index,my_df5['total_amount'], color="red", alpha=0.7) plt.show()

# RESOLUCIÓN cols = ["quantity", "country_name", "total_amount"] my_df6 = my_df[cols] my_df6["profit"] = my_df6.quantity * my_df6.total_amount my_df6 = my_df6.groupby("country_name").sum() my_df6.sort_values("profit", ascending=False, inplace=True) my_df6 = my_df6.head() print(my_df6)

plt.bar(my_df6.index, my_df6.profit, color="red", alpha=0.5) plt.show()

# RESOLUCIÓN cols1 = ["week", "country_name", "quantity"] my_df7 = my_df[cols1] mercosur = ["Argentina", "Brazil", "Uruguay", "Paraguay"] my_df7 = my_df7[(my_df7.country_name == mercosur[0]) | (my_df7.country_name == mercosur[1]) | (my_df7.country_name == mercosur[2]) | (my_df7.country_name == mercosur[3])] my_df7 = my_df7.groupby(["country_name", "week"]).sum() print(my_df7)

# RESOLUCIÓN cols1 = ["week", "country_name", "quantity"] my_df8 = my_df[cols1] mercosur = ["Argentina", "Brazil", "Uruguay", "Paraguay"] my_df8 = my_df8[(my_df8.country_name == mercosur[0]) | (my_df8.country_name == mercosur[1]) | (my_df8.country_name == mercosur[2]) | (my_df8.country_name == mercosur[3])] print(my_df8)

my_df8.columns

sns.pairplot(my_df8)

sns.pairplot(my_df8, hue='week')

escala = StandardScaler() escalado = escala.fit_transform(my_df[['week', 'quantity']]) escalado.T

matriz_cov = np.cov(escalado.T) matriz_cov

# Mapa de calor plt.figure(figsize=(9,9)) mapa_calor = sns.heatmap(matriz_cov, fmt='.2f', square=True, cbar=True, annot=True, xticklabels=['week', 'quantity'], yticklabels=['week', 'quantity'])