TP Final Integrador - Marco Sanchez Riesco

Marco Antonio Sánchez Riesco - DNI: 29581291

# 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()) 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)

# 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 # Se tomaran los primeros 5 articulos para hacer mas legible el grafico, aunque pide solo # el primero se muestran mas para comparar con los que continuan. my_df2=my_df.groupby('article_name').sum() por_cant = my_df2.sort_values('quantity', ascending=False).head(5) print(por_cant['quantity'].head(1))

El articulo más vendido en el mes es HDD con 413 unidades

# RESOLUCIÓN ANALÍTICA df2 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(5) print(df2['total_amount'])

El articulo que mas ingreso proporciono en el mes es Full PC con un total de U$S 538335,93-

# RESOLUCIÓN ANALÍTICA # Podio de los 3mejores vendedores por Monto. df4 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False).head(3) print(df4[['quantity']+['total_amount']])

El bono de “Mejor Vendedor del Mes” debe entregarse a Janel O'Curran quien vendió U$S 192832.47

# RESOLUCIÓN ANALÍTICA df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False) print(df5['total_amount'])

A lo largo del mes se observa una disminución de las ventas en la ultima semana, por lo que se debería analizar la realización de campañas de ventas entre la segunda y tercera semana donde se anuncien promociones para la cuarta semana.

# RESOLUCIÓN # Se tomaran los ultimos 5 articulos para hacer mas legible el grafico, aunque pide solo # el ultimo se muestran mas para comparar con los precedentes. my_df2=my_df.groupby('article_name').sum() por_cant = my_df2.sort_values('quantity', ascending=True).head(5) print(por_cant['quantity'].head(1))

El articulo con menos unidades vendidas durante el mes es Wi-Fi Card con una cantidad de 141 unidades

# RESOLUCIÓN df6 = (my_df.groupby(by='country_name').sum()).sort_values('total_amount',ascending=True).head(3) print(df6['total_amount'])

Los 3 países que menos compran son:

# RESOLUCIÓN # Compras: cantidad y monto por paises my_df2=my_df.groupby('country_name').sum() por_cant1 = my_df2.sort_values('quantity', ascending=False).head(8) #por_cant2 = my_df2.sort_values('total_amount', ascending=False).head(8) por_cant1.drop(['week'], axis = 'columns', inplace=True) #por_cant2.drop(['week'], axis = 'columns', inplace=True) print(por_cant1)

Podemos observar que no siempre tiene relación directa la cantidad de unidades compradas con el monto total, por lo que se aconsejaría realizar un análisis de los productos que menos rendimiento generan

__________________________________________________________________

Como conclusión y resumen de lo expuesto anteriormente, podemos expresar:

1- El articulo más vendido en el mes es HDD con 413 unidades.

2- El articulo que mas ingreso proporciono en el mes es Full PC con un total de U$S 538335,93-.

3- El bono de “Mejor Vendedor del Mes” debe entregarse a Janel O'Curran quien vendió U$S 19283

4- A lo largo del mes se observa una disminución de las ventas en la ultima semana, por lo que se debería analizar la realización de campañas de ventas entre la segunda y tercera semana donde se anuncien promociones para la cuarta semana.

5- El articulo con menos unidades vendidas durante el mes es Wi-Fi Card con una cantidad de 141.

6- Los 3 países que menos compran son:

7- Podemos observar que no siempre tiene relación directa la cantidad de unidades compradas con el monto total, por lo que se aconsejaría realizar un análisis de los productos que menos rendimiento generan.

.css-15w88e5{color:var(--chakra-colors-fg-neutral-primary);font-weight:inherit;letter-spacing:-0.09px;}Marco Antonio Sánchez Riesco - DNI: 29581291

__________________________________________________________________

Como conclusión y resumen de lo expuesto anteriormente, podemos expresar:

Marco Antonio Sánchez Riesco - DNI: 29581291