# 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
# Levanto los datos en 3 diferentes dataframes
# Artículos
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)
# 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().align)
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
idArticulo = my_df.loc[i]['article_id']
nombreArticulo = df_articles.loc[idArticulo]['article_name']
# se lo asigno a la columna correspondiente
my_df.loc[i,'article_name'] = nombreArticulo
# hago lo mismo en un solo paso para la columna de total_amount
precioArticulo = df_articles.loc[idArticulo]['unit_price']
cantArticulo = my_df.loc[i]['quantity']
my_df.loc[i,'total_amount'] = precioArticulo * cantArticulo
# columna de seller_name
idVendedor = my_df.loc[i]['seller_id']
nombreVendedor = df_sellers.loc[idVendedor]['seller_name']
my_df.loc[i,'seller_name'] = nombreVendedor
# 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
df_suma_de_ventas=my_df.groupby('article_name').sum().reset_index()
#Quiero Obtener los 5 primeros para graficar
primeros_cinco = df_suma_de_ventas.sort_values('quantity', ascending=False).head(5)
print(primeros_cinco['quantity'].head(1))
print(primeros_cinco)
#print(f'El articulo mas vendido fue {primeros_cinco["article_name"][0]}')
# RESOLUCIÓN GRÁFICA
print('Artículos mas vendidos')
sns.barplot(y=primeros_cinco["quantity"], x=primeros_cinco.index)
plt.xticks(rotation=75)
plt.title('Ventas por artículos')
plt.ylabel('Cantidades') #Agrego label eje Y
plt.xlabel('Artículos') #Agrego label eje X
plt.show()
# RESOLUCIÓN ANALÍTICA
#Genero los dataframes que voy a utilizar
df_totales = my_df.groupby(by='article_name').sum()
df_top_diez = df_totales.sort_values('total_amount', ascending=False).head(10)
#creo el gráfico
print(df_top_diez)
# RESOLUCIÓN GRÁFICA
#Genero los dataframes que voy a utilizar
df_totales = my_df.groupby(by='article_name').sum()
df_top_diez = df_totales.sort_values('total_amount', ascending=False).head(10)
#creo el gráfico
sns.barplot(x=df_top_diez['total_amount'], y=df_top_diez.index)
plt.title('Diez Artículos más vendidos')
plt.ylabel('Artículos')
plt.xlabel('Monto Total')
plt.show()
# RESOLUCIÓN ANALÍTICA
#genero el df de vendedores agrupando sus ventas
df_vendedores = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False)
print(df_vendedores[['quantity']+['total_amount']].head(1))
# RESOLUCIÓN GRÁFICA
e = [0.5] #seteamos el extrude que va a ser del valor mayor
exp = [e.append(0) for x in range(len(df_vendedores)-1)]
sns.set(rc={'figure.figsize':(6,6)})
graf_vendedores = sns.color_palette('pastel', n_colors=len(df_vendedores))
#Estilo dark
plt.style.use("dark_background")
plt.suptitle(t='Ventas por vendedor', y=1.2, fontsize='xx-large')
_, _, autotexts = plt.pie(df_vendedores['total_amount'], explode=e,labels=df_vendedores.index, colors=exp,radius=1.7,
autopct='%1.1f%%')
for ins in autotexts:
ins.set_color('black')
plt.show()
# RESOLUCIÓN ANALÍTICA
df_ventas_semana = (my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False)
print(df_ventas_semana['total_amount'])
# RESOLUCIÓN GRÁFICA
sns.barplot(y=df_ventas_semana["total_amount"], x=df_ventas_semana.index, palette="Blues_d")
sns.set(rc={'figure.figsize':(7,7)})
plt.xlabel("Semanas")
plt.ylabel("Monto vendido")
plt.title("Monto vendido por semana")
plt.show()
# RESOLUCIÓN
por_paises = (my_df.groupby(by='country_name').sum()).sort_values('total_amount',ascending=True)
print(por_paises['total_amount'].head(5))
#modificamos el tamaño del gráfico
sns.set(rc={'figure.figsize':(10,5)})
plt.bar(por_paises.index,por_paises['total_amount'], color="orange")
plt.xticks(rotation=75, ha="right")
plt.xlabel("Países")
plt.ylabel("Monto ventas")
plt.title("total de ventas")
plt.show()
print("El país en el que debemos mejorar nuestra campaña de marketing es", por_paises.index[0])
# RESOLUCIÓN
# RESOLUCIÓN ANALÍTICA
#Obtenemos los totales
df_articulo_pais = my_df.groupby(['country_name', 'article_name']).sum()
lista_paises = my_df.groupby('country_name').sum().index.values
#dentro de este df vamos a colocar los datos obtenidos
df_final = pd.DataFrame(columns=['Artículo', 'Ventas'], index=lista_paises)
# Populamos el df
for p in lista_paises:
df = df_articulo_pais.loc[p]
v = df.max()['total_amount']
a = df[(df['total_amount'] == v)].index[0]
df_final.loc[p] = {'Artículo': a, 'Ventas': v}
df_final = df_final.sort_values(['Ventas'], ascending=False)
df_final.reset_index(inplace=True, drop=False)
df_final.columns = ['País','Artículo', 'Ventas']
print(df_final)
# RESOLUCIÓN
#generamos el df de venderores por país
df_orders_copy = my_df.copy()
df_pais_vendedor = df_orders_copy.groupby(['country_name', 'seller_name']).sum()
#Listado de paises
paises = my_df.groupby('country_name').sum().index.values
#df donde colocaremos la data integrada
df_integrada = pd.DataFrame(columns=['Vendedor', 'Ventas'], index=paises)
for p in paises:
df = df_pais_vendedor.loc[p]
v = df.max()['total_amount']
s = df[(df['total_amount'] == v)].index[0]
df_integrada.loc[p] = {'Vendedor': s, 'Ventas': v}
df_integrada['Paises'] = df_integrada.index
lista_acotada = df_integrada.sort_values(by='Ventas').head(5)
print(lista_acotada.Vendedor)