TP Final Integrador - Matias Rieg

# 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']) #print(dfArticles.to_string()) #Vendedores df_sellers = pd.read_excel('/work/data/sellers.xlsx',index_col=0) #print(dfSellers.to_string()) #Ordenes df_orders = pd.read_csv('/work/data/orders.csv') #print(dfOrders.to_string())

# 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 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_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 # 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 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 # 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 # elimino las columnas que no necesito my_df.drop(['order_id', 'article_id', 'seller_id'], axis = 'columns', inplace=True) my_df

# 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(1))

# RESOLUCIÓN GRÁFICA top_5 = df_cant_articulos_ord.head() sns.barplot(y = df_cant_articulos_ord["quantity"], x=df_cant_articulos_ord.index, palette="Greens_d") plt.xticks(rotation=90) plt.show()

El articulo mas vendido son los discos magnéticos (HDD) con 413 unidades.

# 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)

# RESOLUCIÓN GRÁFICA plt.rcdefaults() fig, ax = plt.subplots() plt.barh(df_monto_articulo_ord.index, df_monto_articulo_ord['total_amount'] , height=0.8, color = "green") ax.set_xlabel(xlabel='Monto') ax.set_ylabel(ylabel='Articulo') plt.show()

Respuesta: El articulo que proporcionó mas ingresos fue "Full PC" con $538335.93.

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

# RESOLUCIÓN GRÁFICA plt.rcdefaults() fig, ax = plt.subplots() plt.bar(df_monto_vendedor_ord.index, df_monto_vendedor_ord['total_amount'], color = "green") plt.xticks(rotation=45, ha="right") ax.set_xlabel(xlabel='Vendedor') ax.set_ylabel(ylabel='Monto') plt.show()

Respuesta: El premio al mejor vendedor del mes se lo deben otorgar a Janel O'Curran que registró un total de 703 operaciones totalizando ingresos por $192832.47.

# 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 plt.rcdefaults() fig, ax = plt.subplots() plt.bar(df_venta_semanal.index,df_venta_semanal['total_amount'], width=0.8, color = "green") ax.set_xlabel(xlabel='Semana') ax.set_ylabel(ylabel='Monto') plt.show()

Respuesta: Sí, se observa una caída en las ventas semana a semana. Las mismas caen 55.8% de la semana 1 a la semana 4. Las promociones pueden comenzar en la semana 3 donde la caída ya registraba un 35.1%.

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

#RESOLUCIÓN GRÁFICA plt.rcdefaults() fig, ax = plt.subplots() plt.bar(df_monto_pais_ord.index, df_monto_pais_ord['total_amount'], color = "green") plt.xticks(rotation=45, ha="right") ax.set_xlabel(xlabel='Pais') ax.set_ylabel(ylabel='Monto') plt.show()

El país que registró menor ingreso por ventas fue Puerto Rico con $1265.43.

# RESOLUCIÓN ANALÍTICA df_monto_pais_ord = my_df.groupby('country_name').sum().sort_values('quantity', ascending=False) print(df_monto_pais_ord[['quantity']])

# RESOLUCIÓN GRÁFICA my_label=(df_monto_pais_ord.index) myexplode = [0.5, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.2] plt.pie(df_monto_pais_ord['quantity'],labels=my_label, explode = myexplode, shadow = True, autopct='%.1f%%', labeldistance=1.1, radius=2.5) #plt.legend(title = "Paises", loc='lower left') #plt.title('Operaciones por país') plt.show()

Respuesta: El país que realizó más operaciones fue Brasil con 31.2%, seguido por Perú y Argentina con 12.7% y 11.7% respectivamente.

# RESOLUCIÓN ANALÍTICA # 1) Obtener total x semana x pais df_vend_sem = my_df.groupby(['seller_name', 'week']).sum() # 2) Obtener la lista de vendedores vendedores = my_df.groupby('seller_name').sum().index.values # 3) Creo el DF final df_final = pd.DataFrame(columns=['Semana', 'Ventas'], index=vendedores) # 4) Procesar el DF df_pais_semana y obtener las ventas maximas x semana y guardarlas en df_final for v in vendedores: df = df_vend_sem.loc[v] t = df.max()['total_amount'] s = df[(df['total_amount'] == t)].index[0] df_final.loc[v] = {'Semana': s, 'Ventas': t} df_final['Semana'] = df_final['Semana'].astype(int) print(df_final)

#RESOLUCION GRAFICA f, ax = plt.subplots(figsize=(10, 5)) g = sns.barplot(data = df_final, x = df_final.index, y = 'Ventas', hue = 'Semana') g.set_xticklabels(labels=df_final.index, rotation=90) #sns.despine(left=True, bottom=True) plt.show()

Se puede concluir que el mercado más fuerte es el de Brasil.

Hacer campañas en aquellos países que tengan menos del 10% de las operaciones para poder expandirse a otros mercados.

Hacer ofertas de aquellos productos que tengan menos unidades. Ejemplo: WiFi Card y Keyboard

Se pueden hacer ofertas a partir de la semana 3 donde se observa una caída sostenida en las ventas.

Incentivar a Aveline Swanwick a que ofrezca productos de mayor valor a los clientes, ya que fue el vendedor que más se acercó a la cantidad máxima de operaciones del mes. Pero al vender productos de menor valor quedo en la quinta ubicación del ranking.