TP Final Integrador - María Virginia Flores

# Instalar librería para levantar el excel !pip install openpyxl==3.0.10

# importar librerías import numpy as np import pandas as pd import sqlite3 as sql3 import openpyxl #para que levante el excel, hay que instalarlo import matplotlib.pyplot as plt import seaborn as sns

# Levanto los datos en 3 diferentes dataframes #Articulos 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']) sql_query print(type(sql_query)) #vendedores df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0) #ordenes 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') #el campo unit price tiene mal el formato 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 pd.set_option('precision', 2) my_df = df_orders.copy () #Cambio el indice del df_articles df_artic = df_articles.set_index('article_id', inplace = False) # 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_artic.loc[id_articulo]['article_name'] # se lo asigno a la columna correspondiente my_df.loc [i,'article_name'] = nombre_articulo # Obtenemos total_amount precio_articulo = df_artic.loc[id_articulo]['unit_price'] my_df.loc[i, 'total_amount'] = my_df.loc[i,'quantity'] * precio_articulo # Obtenemos 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

# RESOLUCIÓN ANALÍTICA df_articulo_cantidad = my_df.groupby('article_name').sum().sort_values('quantity', ascending=False).head(5) (df_articulo_cantidad [['quantity']+['total_amount']]).style.highlight_max('quantity')

# RESOLUCIÓN GRÁFICA p= sns.blend_palette(['olivedrab', 'silver', 'silver','silver', 'silver'], 5) sns.barplot (y= df_articulo_cantidad ['quantity'], x= df_articulo_cantidad.index, palette=p) #'PuBuGn_r' plt.xticks(rotation=60) plt.xlabel("ARTICULO") plt.ylabel("CANTIDAD") plt.title('Top 5 de los articulos más vendidos en unidades') plt.show ()

El articulo más vendido de los 31 artículos es HDD siendo la venta a lo largo de 4 semanas de 413 unidades

# RESOLUCIÓN ANALÍTICA df_articulo_monto = my_df.groupby('article_name').sum().sort_values('total_amount', ascending=False).head(5) (df_articulo_monto [['total_amount']+['quantity']]).style.highlight_max('total_amount')

# RESOLUCIÓN GRÁFICA colores=['olivedrab', 'silver', 'silver','silver', 'silver'] plt.barh(df_articulo_monto.index, df_articulo_monto['total_amount'] , height=0.7, color = colores) plt.xlabel("MONTO") plt.ylabel("ARTICULO") plt.title('Top 5 de los articulos con más ingresos') plt.show()

El articulo que proporcionó más ingresos a lo largo de las 4 semanas es la Full PC siendo el monto ingresado de 538335.93.

# RESOLUCIÓN ANALÍTICA df_vendedor_monto = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending=False) (df_vendedor_monto [['quantity']+['total_amount']]).style.highlight_max('total_amount')

# RESOLUCIÓN GRÁFICA colores=['olivedrab','silver', 'silver', 'silver','silver', 'silver', 'silver', 'silver','silver', 'silver', 'silver', 'silver','silver', 'silver','silver'] plt.bar(df_vendedor_monto.index, df_vendedor_monto['total_amount'], color = colores, width = 0.7) plt.xticks(rotation=45,ha= 'right') plt.xlabel("VENDEDOR") plt.ylabel("MONTO") plt.title('Ingreso producido por vendedor') plt.show()

El bono al mejor vendedor del mes debe entregarse a Janel O'Curran ya que fue el que mayor ingresos generó, siendo el mismo de un total de 192832.47 a lo largo de las 4 semanas.

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

# RESOLUCIÓN GRÁFICA colores=['olivedrab'] plt.bar (df_venta_semanal.index,df_venta_semanal['total_amount'], width=0.7, color = colores) plt.xlabel("SEMANA") plt.ylabel("MONTO") plt.title('Ventas totales por semana') plt.show()

Se pueden visualizar variaciones a lo largo del mes. La mayor variación sucede entre la primer semana y la última. En la primer semana las ventas alcanzaron un monto de 507,458.81 mientras que en la última semana fue de 223,844.56. Esta variación puede deberse a que en la mayoría de los países los sueldos son mensuales y las personas suelen realizar los gastos ni bien tienen el dinero disponible. Seria conveniente realizar una campaña de promociones entre la tercer y cuarta semana con el objetivo de atraer al público que tiene dudas sobre la compra y está evaluando otras alternativas, o bien que se encuentra con el monto justo por ser fin de mes. De esta manera incrementaríamos las ventas en esas semanas y obtendríamos ingresos más estables a lo largo del mes.

# RESOLUCIÓN ANALÍTICA df_pais_compras = my_df.groupby ('country_name'). sum (). sort_values ('quantity', ascending=False). head (5) (df_pais_compras[['quantity']+['total_amount']].round (2)).style.highlight_max('quantity')

# RESOLUCIÓN GRÁFICA colores=['olivedrab', 'silver', 'silver','silver', 'silver'] plt.bar (df_pais_compras.index, df_pais_compras ['quantity'], width= 0.7, color = colores) plt.xticks(rotation=45,ha= 'right') plt.ylabel("CANTIDAD") plt.title('Top 5 de paises que más unidades compraron') plt.show ()

El país que más unidades compró fue Brasil siendo el total de 2515 unidades. Se puede observar una diferencia de más del doble con el resto de los países. Esto puede deberse a que Brasil es el quinto país más poblado del mundo.

# RESOLUCIÓN ANALÍTICA df_articulo_venta = my_df.groupby ('country_name'). sum (). sort_values ('total_amount', ascending=False). head (10) (df_articulo_venta [['quantity']+['total_amount']]).style

# RESOLUCIÓN GRÁFICA e = (0.15,0.1,0.05,0,0,0,0,0,0,0) colores=['olivedrab', 'olive', 'yellowgreen','limegreen','darkkhaki', 'darkgreen','silver', 'dimgrey','lemonchiffon','seagreen'] l=df_articulo_venta['total_amount']. round (2) p=df_articulo_venta.index plt.pie (df_articulo_venta ['total_amount'],labels = l, radius=2, explode=e, startangle = 50, colors = colores) plt.legend (p,bbox_to_anchor=(2.0, 0.5), loc='center left') plt.show () plt.tight_layout()

El país que más ganancia proporcionó de 16 países que compraron fue Brasil y coincide con el que más unidades compró. Las compras fueron de un monto total de 441271.85 a lo largo del mes. Luego entre los 10 con más compras le sigue segundo Argentina, tercero Colombia, luego Peru, Mexico, Venezuela, El Salvador, Guatemala, Honduras y Costa Rica.

df_vendedores_pais = my_df.groupby(['country_name','seller_name']).sum() paises = my_df.groupby('country_name').sum().index.values df_vxp = pd.DataFrame(columns=['Vendedor', 'Ventas'], index=paises) for p in paises: df = df_vendedores_pais.loc[p] m = df.max()['total_amount'] v = df[(df['total_amount'] == m)].index[0] df_vxp.loc[p]= {'Vendedor': v, 'Ventas': m } print(df_vxp)

# RESOLUCIÓN GRÁFICA g=sns.barplot(data=df_vxp, x=df_vxp.index ,y='Ventas',hue='Vendedor',palette= 'husl') g.set_xticklabels(labels=df_vxp.index,rotation=90) plt.legend(bbox_to_anchor=(1.3, 0.5), loc='center left') plt.title('Mejor vendedor de cada país por monto') plt.show()

En el gráfico se puede visualizar cuales son los mejores vendedores por país. Se puede ver que para Argentina, el mejor vendedor coincide con el mejor vendedor del mes.

En base al análisis realizado puedo concluir que es recomendable tener un sobre stock del articulo HDD ya que es el articulo que más se vende. Además, es recomendable realizar promociones en la semana 4 para generar ingresos más estables a lo largo del mes ya que es la semana que menos ingresos tiene. Principalmente las promociones deben realizarse en Brasil, ya que es el país que más compras realiza tanto en cantidad de unidades de articulo como en monto. Por otro lado, una buena estrategia para incrementar ventas puede ser que los vendedores que realizaron mayores ventas en un país se dediquen exclusivamente a las ventas con ese país.