TP_2 Final Integrador

# Necesitamos instalar esta librería para poder leer excel !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

# Para levantar 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('\nEstadistica de los datos numericos de la columna precios') # de la col ['unit_price'] print(df_articles['unit_price'].describe()) # ojo el tipo de dato de la col unit_price es objet !!! # habria que pasarlo a float para poder emplear metodo describe() print('\nBúsqueda de valores nulos por columna') print(df_articles.isnull().sum()) # cuenta la cantidad de datos null print('\nInformacion de los datos') print(df_articles.info()) print('\nFormato o tipo de dato de los datos por columna') print(df_articles.dtypes)

# Exploración del df de vendedores print('Muestra de datos') print(df_sellers.head()) # muestra por default los primeros 5 registros (filas) de 0 a 4 print('\nFormato del dataframe') print(df_sellers.shape) print('\nBúsqueda de valores nulos por columna') print(df_sellers.isnull().sum()) # cuenta la cantidad de datos null 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) # cambio la columna unit_price de string a float print(df_articles.dtypes)

# Creo una copia del df_orders my_df = df_orders.copy() # Cambio el índice del df de artículos df_artic = df_articles.set_index('article_id',inplace = False) # Agrego algunas columnas y pongo el campo (las variables donde las guardo) 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 # Obtenemos article_name id_articulo = my_df.loc[i]['article_id'] nombreArticulo = df_artic.loc[id_articulo]['article_name'] #se lo asigno a la columna correspondiente a mi Dataframe Final (my_df) my_df.loc[i,'article_name'] = nombreArticulo # Obtenemos total_amount precioArticulo = df_artic.loc[id_articulo]['unit_price'] my_df.loc[i, 'total_amount'] = my_df.loc[i,'quantity'] * precioArticulo # se lo asigno a la columna correspondiente de mi Dataframe Final (my_df) # Obtenemos seller_name id_vendedor = my_df.loc[i]['seller_id'] nombreVendedor = df_sellers.loc[id_vendedor]['seller_name'] my_df.loc[i, 'seller_name'] = nombreVendedor # se lo asigno a la columna correspondiente de mi Datarframe Final (my_df) # elimino las columnas que no necesito my_df.drop(['order_id', 'article_id', 'seller_id'], axis = 'columns', inplace=True)

print(my_df.info())

# RESOLUCIÓN ANALÍTICA df_cant_articulos = my_df.groupby('article_name').sum() df_cant_articulos_ord = df_cant_articulos.sort_values('quantity', ascending=False) #print(df_cant_articulos_ord['quantity'].head()) # los priemros 5 mas vendidos print('ARTICULOS MAS VENDIDOS') df_cant_articulos_ord[['quantity']].head().style.set_properties(**{'border': '1.5px solid red','color': 'black'}) # Me lo toma poniendo doble [['quantity']] sino me sale error porque lo toma como serie y no como columna

#print(df_cant_articulos_ord['quantity'].head(1)) # el mas vendido print('ARTICULO MAS VENDIDO') df_cant_articulos_ord[['quantity']].head(1).style.set_properties(**{'border': '1.5px solid red','color': 'black'})

# RESOLUCIÓN GRÁFICA #sns.set_palette('Set2') #sns.set_style("dark") sns.set_palette('bright') sns.barplot(y = df_cant_articulos_ord["quantity"], x=df_cant_articulos_ord.index) # en sns.barplot (primero eje y, luego eje x) plt.xticks(rotation=90,) plt.title('CANTIDAD DE VENTAS POR ARTICULO') plt.xlabel('ARTICULO', fontdict=None) plt.ylabel('CANTIDAD', fontdict=None) plt.show() # me muestra mejor el grafico en seaborn (sns) y pyplot (plt)

# RESOLUCIÓN ANALÍTICA df_monto_articulo_ord = my_df.groupby('article_name').sum().sort_values('total_amount', ascending=False).head(5) #print(df_monto_articulo_ord) print('INGRESO POR ARTICULO: MEJORES 5 ARTICULOS') df_monto_articulo_ord.style.set_properties(**{'border': '1.5px solid red','color': 'black'})

#GRAFICO plt.barh(df_monto_articulo_ord.index, df_monto_articulo_ord['total_amount'] , height=0.8, alpha = 0.4, color=['tomato']) plt.title('INGRESO POR ARTICULO: MEJORES 5 ARTICULOS') plt.xlabel('MONTO EN PESOS $', fontdict=None) plt.ylabel('ARTICULO', fontdict=None) plt.show()

# RESOLUCIÓN ANALÍTICA df_monto_vendedor_ord = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending=False) print('MEJORES VENDEDORES') #print(df_monto_vendedor_ord[['quantity']+['total_amount']]) df_monto_vendedor_ord[['quantity']+['total_amount']].style.set_properties(**{'border': '1.5px solid red','color': 'black'})

# RESOLUCIÓN GRÁFICA # en plt.bar (primero eje x,luego eje y) plt.xticks(rotation=90, ha="right") plt.bar(df_monto_vendedor_ord.index, df_monto_vendedor_ord['total_amount'],alpha = 0.4, width = 0.9, color=['hotpink','turquoise']); # nivel de transparencia # Grosor de las barras para dejar espacio entre ellas plt.title('MEJORES VENDEDORES') plt.xlabel('VENDEDORES', fontdict=None) plt.ylabel('INGRESO EN PESOS $', fontdict=None) plt.show()

# RESOLUCIÓN ANALÍTICA df_venta_semanal = my_df.groupby(by='week').sum().sort_values('total_amount',ascending=False) #print(df_venta_semanal[['total_amount']]) # con el doble [] marco tambien el nombre de la columna que quiero mostrar print('VENTAS POR SEMANA') df_venta_semanal[['total_amount']].style.set_properties(**{'border': '1.5px solid red','color': 'black'})

# RESOLUCIÓN GRÁFICA plt.bar(df_venta_semanal.index,df_venta_semanal['total_amount'], alpha = 0.4, width = 0.90, color=['springgreen','seagreen','limegreen','darkgreen']) # en plt.bar(primero eje x,luego eje y) plt.title('VENTAS POR SEMANA') plt.xlabel('SEMANAS', fontdict=None) plt.ylabel('MONTO EN PESOS $', fontdict=None) plt.show()

5. ¿Nombres de paises con los que se comercia y cuantos son?

#RESOLUCION ANALITICA unico = [] for i in range(len(my_df.index)): # Itero mi dataframe (my_df) con un ciclo for por toda su longitud(len) en cada indice countryName = my_df.loc[i]['country_name'] # localizo (loc[]) cada elemento en la iteracion, de la columna 'country_name' if countryName not in unico: unico.append(countryName) # voy completando la lista unico[] con cada elemento encontrado NO REPETIDO,y lo agrego al final de la lista con el append() print(unico) # uso Numpy x = np.array([unico]) # creo un array en numpy con el metodo no.array(),ingresando como argumento la variable unico print(x.size) # cuento el tamaño del array (cantidad de paises no repetidos)

#GRAFICO #print(type(unico)) # unico es una lista,creo un dataframe con unico y lo muestro df_countries = pd.DataFrame(unico , columns= ['Paises']) #print(df_countries) df_countries.style.set_properties(**{'border': '1.5px solid red','color': 'black'})

6 . Que paises nos proporcionan mayores ingresos ?

6.1 Ingresos por pais

#RESOLUCION ANALITICA pd.set_option('precision',2) # seteo a dos decimales solos df_countries_names = my_df.groupby('country_name').sum() df_countries_names_total_amount = df_countries_names.sort_values('total_amount', ascending= False) # con el doble[[]] marco el nombre de la columna que quiero mostrar print('INGRESOS POR PAIS') df_countries_names_total_amount[['total_amount']].style.set_properties(**{'border': '1.5px solid red','color': 'black'}) # con el doble[[]] marco el nombre de la columna que quiero mostrar

6.2 Primeros 5 paises que aportan mayores ingresos

#RESOLUCION pd.set_option('precision',2) # Me setea a dos decimales los float que vienen despues print('INGRESOS POR PAIS: MEJORES 5 PAISES') df_5_countries = df_countries_names_total_amount.head() df_5_countries[['total_amount']].style.set_properties(**{'border': '1.5px solid red','color': 'black'})

#GRAFICO plt.bar(df_5_countries.index, df_5_countries['total_amount'],alpha = 0.4, width = 0.9, color=['orangered','lightsalmon']) plt.title('INGRESOS POR PAIS: MEJORES 5 PAISES') plt.xlabel('PAISES', fontdict=None) plt.ylabel('MONTO EN PESOS $', fontdict=None) plt.show()

7. Articulo mas vendido (cantidad) por pais

# RESOLUCIÓN # Mejor semana (ventas) para cada vendedor # Previsualizar el DF final # ------------------------- # "Vendedor" "Articulo" "Cantidad" # Pais1 Mouse 34 # Pais2 PC 100 # 1) Obtener total articulo x pais df_pais_artic = my_df.groupby(['country_name', 'article_name']).sum() #print(df_pais_artic) #2) Obtener la lista de paises y la usare como indice de mi nuevo dataframe paises = my_df.groupby('country_name').sum().index.values #index.values lo tomo cada valor como indice #print(paises) #3) Creo el DF final df_final = pd.DataFrame(columns=['Articulo', 'Cantidad'], index=paises) #print(df_final) print('ARTICULO MAS VENDIDO POR PAIS (POR CANTIDAD)') #4) Procesar el DF df_pais_artic y obtener la cantidad maxima del articulo por pais y guardarlas en df_final for p in paises: # Bucle for para ir iterando p por cada pais (indice paises) df = df_pais_artic.loc[p] # En este df_pais_artic tengo pais (que me queda por default al agrupar,como indice),y como columnas: article_name,quantity,y total_amount (es lo que me trae al agrupar) c = df.max()['quantity'] # Tomo el maximo de la columna 'quantity' a = df[(df['quantity'] == c)].index[0] # me traera en la columna ['quantity'] la maxima cantidad para ese articulo por cada p (pais) # y que me lo traiga para cada pais al primer lugar (index[0] del array de la columna 'quantity'que recorre) df_final.loc[p] = {'Articulo': a, 'Cantidad': c} # Armo mi df_final por pais [p] y relleno en col 'Articulo'con a y la col 'Cantidad' con c df_final['Cantidad'] = df_final['Cantidad'].astype(int) # Convierto los valores de 'Cantidad' en enteros para poder sumar df_final.style.set_properties(**{'border': '1.5px solid red','color': 'black'})

#GRAFICO #sns.set_style('white') #sns.set_palette("dark") g = sns.barplot(data = df_final, x = df_final.index, y = 'Cantidad', hue = 'Articulo', dodge=False) # Con dodge=False amplio el ancho de las barras que sale por default g.set_xticklabels(labels=df_final.index, rotation=90) plt.legend(bbox_to_anchor = ( 1.02 , 1 ), loc = 'best', borderaxespad = 0 ) # Saco del grafico la leyenda de articulos plt.title('ARTICULO MAS VENDIDO POR PAIS (POR CANTIDAD)') plt.xlabel('PAISES', fontdict=None) plt.ylabel('CANTIDAD', fontdict=None) plt.show()

Del analisis de los datos se puede concluir que:

* Los paises con los que se comercia son 16 : Peru, Bolivia, Brazil, Mexico, Colombia, Honduras, Argentina, Venezuela, Costa Rica, El Salvador, Chile, Paraguay, Uruguay, Guatemala, Puerto Rico, Ecuador.

* Los 5 mayores ingresos son proporcionados por los paises : Brazil $441271.85, Argentina $205832.78, Colombia $177514.29, Peru $161421.12, Mexico $138619.99.

* El articulo mas vendido por pais, (por cantidad de unidades vendidas) es: Argentina CPU (104), Bolivia Pci Express Port (34) Brazil Tablet (156), ChileMouse (27), Colombia SDD (74), Costa Rica Power Supply (32), Ecuador Power Supply (24), El Salvador Smartphone (22), Guatemala Heatsink (25), Honduras Mesh Wi-Fi X (228), Mexico HDD (63), Paraguay Headphones (24), PeruMouse (125), Puerto Rico CPU (9), Uruguay Motherboard (15), Venezuela Smartphone (329.

* El articulo mas vendido a nivel global : es el HDD con 413 unidades vendidas

* El articulo a nivel global que mas ingreso proporciono es la FULL PC por $ 538335.93.

Con estos datos se pueden inferir estrategias de logistica y marketing para mejorar las ventas en los diferentes paises.

* Por otra parte se observan variaciones de las ventas a lo largo del mes,encontrandose en descenso conforme avanzan las semanas: Primer semana: $507458.81, Segunda semana: $415364.44, Tercer semana: $329140.03, Cuarta semana: $223844.56; siendo el mejor vendedor de mes Janel O'Curran ($ 192832.47).

Como propuesta ,podria aplicarse un estimulo en premios al mejor vendedor del mes e iniciar campañas de promociones hacia la tercera y/o cuarta semana ,que es donde caen las ventas en mayor medida. Esto podria deberse al mayor poder adquisitivo de los clientes al comienzo del mes (si cobran sueldo mensual)y luego va disminuyendo con el paso de las semanas. Por esta razon sreria conveniente aplicar las promociones con financiacion a esa altura del mes.