# 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 # levantar 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)
# Ordenes
df_orders = pd.read_csv('/work/data/orders.csv')
# Exploración del df de artículos
print('Muestra de datos')
#print(df_articles.head()) # head() 5 Filas por defecto
print(df_articles) # head() 5 Filas por defecto
print('\nFormato del dataframe')
print(df_articles.shape)
print('\nBúsqueda de valores nulls 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()) # head() 5 Filas por defecto
print(df_sellers) # head() 5 Filas por defecto
print('\nFormato del dataframe')
print(df_sellers.shape)
print('\nBúsqueda de valores nulls 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(10)) # head() 5 Filas por defecto
print('\nFormato del dataframe')
print(df_orders.shape)
print('\nBúsqueda de valores nulls 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)
my_df = df_orders.copy() # shallow copy o copia superficial (otro Objeto alojado en la memoria)
# Cambio el índice del df de artículos
df_articles.set_index('article_id', inplace=True)
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'])
# df_articles
# print()
# my_df
for i in range(max(my_df.count())):
# print(i)
# 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 (article_name) de df_articles
# print(df_articles.loc[my_df.loc[i]['article_id']]['article_name'])
article = df_articles.loc[my_df.loc[i]['article_id']]['article_name']
# print(article)
# Asignar a cada valor id de la columna 'article_name' (my_df) el nombre del artículo
my_df.loc[i, 'article_name'] = article
# my_df
# hacemos lo mismo con total_amount
my_df.loc[i, 'total_amount'] = my_df.loc[i, 'quantity']*df_articles.loc[my_df.loc[i]['article_id']]['unit_price']
# Columna de seller name
my_df.loc[i, 'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_id']]['seller_name']
# elimimo las columnas que no necesito del df
my_df.drop(['order_id', 'article_id', 'seller_id'], axis='columns', inplace=True)
print(my_df)
# RESOLUCIÓN ANALÍTICA
#print(my_df['article_name'].value_counts()) # cuenta valores únicos
#print()
print(my_df['article_name'].value_counts().head()) # primeros cinco + vendidos
my_5top = my_df['article_name'].value_counts().head()
print()
print(my_5top)
# RESOLUCIÓN GRÁFICA
print("TOP 5 ARTICULOS")
e=(0.25,0,0,0,0)
c=['gold', 'yellowgreen', 'darkorange', 'lightskyblue','seagreen']
plt.pie(my_5top,startangle=145,autopct='%1.2f%%', explode=e, colors=c,)
plt.show()
# RESOLUCIÓN ANALÍTICA
df2=(my_df.groupby(by='article_name').sum()).sort_values('total_amount', ascending=False).head(5)
pd.options.display.float_format= '$ {:,.2f}'.format
print(df2['total_amount'])
# 'article_name' es el index
# print(df2) # agrupa (y suma) sólo datos numéricos
# SINTAXIS ALTERNATIVA
# pd.options.display.float_format= '$ {:,.2f}'.format
# print(my_df[['article_name'] + ['total_amount']].groupby(['article_name']).sum().sort_values('total_amount', ascending=False).head(5))
# RESOLUCIÓN GRÁFICA
print("TOP 5 INGRESOS")
e=(0.5,0,0,0,0)
c=['gold', 'yellowgreen', 'darkorange', 'lightskyblue','seagreen']
plt.pie(x=df2['total_amount'], labels=df2.index,startangle=90,autopct='%1.2f%%', explode=e, colors=c,pctdistance=0.85)
centre_circle = plt.Circle((0,0), 0.5, fc="white")
fig = plt.gcf()
fig.gca().add_artist(centre_circle)
plt.title("TOP 5 INGRESOS")
plt.savefig('top5ingresos.png', dpi=300)
plt.show()
# RESOLUCIÓN ANALÍTICA
df4 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False)
pd.options.display.float_format= '$ {:,.2f}'.format
# print(df4[['quantity'] + ['total_amount']])
print(df4[['quantity'] + ['total_amount']].head(5))
# 'seller_anme' es el index
# RESOLUCIÓN GRÁFICA
#plt.bar(df4.index, df4['total_amount'])
#plt.xticks(rotation=60)
#plt.show()
# 'seller_name' es el index
print("VENDEDOR DEL MES")
df_5ing=df4[['quantity'] + ['total_amount']].head(5)
#print(df_5ing)
#Plot 1
plt.subplot(1, 2, 1)
plt.bar(df_5ing.index, df_5ing['total_amount'],color='yellowgreen')
plt.xticks(rotation=60,color="green")
#Plot 2
plt.subplot(1, 2, 2)
e=(0.5,0,0,0,0)
c=['gold', 'yellowgreen', 'darkorange', 'lightskyblue','seagreen']
plt.pie(df_5ing['quantity'],labels=df2.index,startangle=180,autopct='%1.2f%%', explode=e, colors=c,pctdistance=0.65)
plt.show()
# RESOLUCIÓN ANALÍTICA
df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount', ascending=False)
pd.options.display.float_format= '$ {:,.2f}'.format
print(df5[['quantity'] + ['total_amount']])
# 'week' es el index
# RESOLUCIÓN GRÁFICA
#print("VENTAS SEMANALES")
plt.bar(df5.index, df5['total_amount'],color=['red','blue','yellow','yellowgreen'])
plt.title("VENTAS SEMANALES")
plt.xlabel("Semana")
plt.ylabel("Monto")
plt.xticks(np.arange(0,5,1))
plt.yticks(np.arange(0,550001,50000))
plt.grid()
plt.show()
# 'week' es el index
# RESOLUCIÓN ANALÍTICA
print("MONTO POR PAIS")
df_pais = my_df
#print(df_pais)
print(df_pais.groupby(['country_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False))
df_ranking=df_pais.groupby(['country_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False)
# RESOLUCIÓN GRÁFICA
print("MONTO POR PAIS")
sns.barplot(df_ranking.index, df_ranking['total_amount'],palette='inferno_r')
plt.xticks(rotation=60)
plt.title("MONTO POR PAIS")
plt.xlabel("País")
plt.ylabel("Monto")
plt.yticks(np.arange(0,450001,50000))
plt.show()
# 'country_name' es el index
# RESOLUCIÓN ANALÍTICA
print("COMPARACION TOP 2 PAIS")
df_pais2 = (my_df.groupby(by= 'country_name').sum()).sort_values('total_amount', ascending=False)
pd.options.display.float_format= '$ {:,.2f}'.format
# print(df4[['quantity'] + ['total_amount']])
print(df_pais2[['quantity'] + ['total_amount']].head(2))
df_pais3=df_pais2[['quantity'] + ['total_amount']].head(2)
# 'country_name' es el index
# RESOLUCIÓN GRÁFICA
print("COMPARATIVA TOP PAISES")
sns.barplot(df_pais3.index, df_pais3['total_amount'],palette='Accent')
plt.xticks(rotation=60)
plt.title("COMPARATIVA TOP PAISES")
plt.xlabel("País")
plt.ylabel("Monto")
plt.yticks(np.arange(0,450001,50000))
plt.show()
# 'country_name' es el index
print("COMPARATIVA TOP PAISES")
sns.barplot(df_pais3.index, df_pais3['quantity'],palette='rainbow_r')
plt.xticks(rotation=60)
plt.title("COMPARATIVA TOP PAISES")
plt.xlabel("País")
plt.ylabel("Cantidad")
plt.yticks(np.arange(0,3001,500))
plt.show()
# RESOLUCIÓN ANALITICA
#dos países con mayores ventas
print("VENTAS POR VENDEDORES EN BRASIL")
df_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')]
print(df_brasil.groupby(['seller_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False))
df_brasil2=df_brasil.groupby(['seller_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False)
print()
print("VENTAS POR VENDEDORES EN ARGENTINA")
df_argentina = my_df.loc[my_df['country_name'] == 'Argentina']
print(df_argentina.groupby(['seller_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False))
df_argentina2=df_argentina.groupby(['seller_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False)
# RESOLUCIÓN GRÁFICA
print("RANKING VENDEDORES BRASIL")
sns.pointplot(df_brasil2.index, df_brasil2['total_amount'],palette='icefire',markers='>')
plt.xticks(rotation=60)
plt.title("RANKING VENDEDORES BRASIL")
plt.xlabel("Vendedor")
plt.ylabel("Monto")
plt.yticks(np.arange(0,70001,5000))
plt.grid()
plt.show()
print("RANKING VENDEDORES ARGENTINA")
sns.pointplot(df_argentina2.index, df_argentina2['total_amount'],palette='icefire_r',markers='*')
plt.xticks(rotation=60)
plt.title("RANKING VENDEDORES ARGENTINA")
plt.xlabel("Vendedor")
plt.ylabel("Monto")
plt.yticks(np.arange(0,35001,5000))
plt.grid()
plt.show()
# RESOLUCIÓN ANALITICA / GRÁFICA
#dos países con mayores ventas
print("VENTAS POR SEMANA EN BRASIL")
df_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')]
print(df_brasil.groupby(['week']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False))
df_brasil2=df_brasil.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True)
plt.plot(df_brasil2,color='green')
plt.title("VENTAS POR SEMANA EN BRASIL")
plt.xlabel("Semana")
plt.ylabel("Monto")
plt.yticks(np.arange(0,175001,10000))
plt.xticks(np.arange(1,5,1))
plt.grid()
plt.show()
print()
print("VENTAS POR SEMANA EN ARGENTINA")
df_argentina = my_df.loc[my_df['country_name'] == 'Argentina']
print(df_argentina.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True))
df_argentina2=df_argentina.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True)
plt.plot(df_argentina2,color='blue')
plt.title("VENTAS POR SEMANA EN ARGENTINA")
plt.xlabel("Semana")
plt.ylabel("Monto")
plt.yticks(np.arange(0,100001,10000))
plt.xticks(np.arange(1,5,1))
plt.grid()
plt.show()
# RESOLUCIÓN ANALITICA / GRÁFICA
#dos países con mayores ventas
print("CANTIDAD POR SEMANA EN BRASIL")
df_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')]
print(df_brasil.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True))
df_brasil2=df_brasil.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)
plt.plot(df_brasil2,color='green')
plt.title("VENTAS POR SEMANA EN BRASIL")
plt.xlabel("Semana")
plt.ylabel("Cantidad")
plt.yticks(np.arange(0,101,10))
plt.xticks(np.arange(1,5,1))
plt.grid()
plt.show()
print()
print("CANTIDAD POR SEMANA EN ARGENTINA")
df_argentina = my_df.loc[my_df['country_name'] == 'Argentina']
print(df_argentina.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True))
df_argentina2=df_argentina.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)
plt.plot(df_argentina2,color='blue')
plt.title("CANTIDAD POR SEMANA EN ARGENTINA")
plt.xlabel("Semana")
plt.ylabel("Cantidad")
plt.yticks(np.arange(0,51,10))
plt.xticks(np.arange(1,5,1))
plt.grid()
plt.show()
# RESOLUCIÓN ANALÍTICA
print("TOTAL ARTICULOS POR PAIS")
df_artxpais = my_df
#print(df_artxpais)
print(df_artxpais.groupby(['country_name']).agg({'quantity':'count'}).sort_values('quantity', ascending=False))
df_ranking2=(df_pais.groupby(['country_name']).agg({'quantity':'count'}).sort_values('quantity', ascending=False)).head()
# RESOLUCIÓN GRÁFICA
#print("TOP 5 CANTIDAD ARTICULOS POR PAIS")
#Plot 1
plt.subplot(1, 2, 1)
plt.xticks(rotation=60)
c=['navy', 'green', 'turquoise', 'lightskyblue','plum']
plt.bar(df_ranking2.index, df_ranking2['quantity'],color=c)
plt.title("TOP 5 CANTIDAD ARTICULOS POR PAIS")
plt.xlabel("País")
plt.ylabel("Cantidad")
plt.yticks(np.arange(0,351,50))
plt.grid()
#Plot 2
plt.subplot(1, 2, 2)
e=(0.5,0,0,0,0)
c=['gold', 'coral','yellowgreen', 'darkorange', 'lightsalmon']
plt.pie(df_ranking2['quantity'],labels=df_ranking2.index,startangle=180,autopct='%1.1f%%', explode=e, colors=c,pctdistance=0.65)
plt.show() ##sacar afuera brasil en el pie
plt.savefig('top5articulos.png', dpi=300)
# RESOLUCIÓN ANALÍTICA
print("MONTO POR ARTICULOS")
df_articulo = my_df
#print(df_articulo)
print(df_articulo.groupby(['article_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False))
top5M= (df_articulo.groupby(['article_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False).head(5))
print()
print('Monto del artículo más vendido:',df_articulo.groupby(['article_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False).head(1))
# RESOLUCIÓN ANALÍTICA
print("CANTIDAD POR ARTICULOS")
df_articulo2 = my_df
#print(df_articulo)
print(df_articulo2.groupby(['article_name']).agg({'quantity':'count'}).sort_values('quantity', ascending=False))
top5= (df_articulo2.groupby(['article_name']).agg({'quantity':'count'}).sort_values('quantity', ascending=False).head())
print()
print('Cantidad del artículo más vendido:',df_articulo2.groupby(['article_name']).agg({'quantity':'count'}).sort_values('quantity', ascending=False).head(1))
# RESOLUCIÓN GRÁFICA
print("MONTOS POR ARTÍCULOS")
#print(top5M)
b=['goldenrod', 'olivedrab','sienna', 'skyblue', 'indigo']
plt.bar(top5M.index, top5M['total_amount'],color=b, alpha=0.75)
plt.xticks(rotation=60)
plt.title("MONTOS POR ARTÍCULOS")
plt.xlabel("Artículo")
plt.ylabel("Monto")
plt.yticks(np.arange(0,550001,50000))
plt.show()
print()
print("ARTÍCULOS MÁS VENDIDOS")
#print(top5)
e=(0.25,0,0,0,0)
a=['lime', 'coral','palegreen', 'darkorange', 'olive']
plt.pie(top5['quantity'],labels=top5.index,startangle=45,autopct='%1.2f%%', explode=e, colors=a,pctdistance=0.65)
centre_circle = plt.Circle((0,0), 0.4, fc="white")
fig = plt.gcf()
fig.gca().add_artist(centre_circle)
plt.show()
##para filtrar en un dataset & (es el and) | (es el or)
# RESOLUCIÓN ANALÍTICA
print("MONTO VENDEDOR / PAIS")
df_sample = my_df.set_index(['seller_name','country_name']).sort_index(ascending=[True,True])
#print(df_sample)
pd.options.display.float_format= '$ {:,.2f}'.format
#df = sns.load_dataset('df_sample')
df_sample.groupby(['seller_name','country_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False)
print(df_sample.groupby(['seller_name','country_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False).head())
# RESOLUCIÓN ANALÍTICA
print("MONTO VENDEDOR / ARTICULO")
df_sample1 = my_df.set_index(['seller_name']).sort_index(ascending=[True])
#print(df_sample)
pd.options.display.float_format= '$ {:,.2f}'.format
#df = sns.load_dataset('df_sample')
df_sample1.groupby(['seller_name','article_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False)
print(df_sample1.groupby(['seller_name','article_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False).head(5))
# RESOLUCIÓN ANALÍTICA
print("MONTO VENDEDOR / PAIS / ARTICULO")
df_sample2 = my_df.set_index(['seller_name']).sort_index(ascending=[True])
#print(df_sample)
pd.options.display.float_format= '$ {:,.2f}'.format
#df = sns.load_dataset('df_sample')
df_sample2.groupby(['seller_name','country_name','article_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False)
print(df_sample2.groupby(['seller_name','country_name','article_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False).head(5))
df_test=(df_sample2.groupby(['seller_name','country_name','article_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False).head(5))
df_test
# RESOLUCIÓN ANALÍTICA
print("CANTIDAD VENDEDOR / PAIS")
df_sample3 = my_df.set_index(['seller_name']).sort_index(ascending=[True])
#print(df_sample)
pd.options.display.float_format= '$ {:,.2f}'.format
#df = sns.load_dataset('df_sample')
df_sample3.groupby(['seller_name','country_name'])['quantity'].count().to_frame().sort_values('quantity', ascending=False)
print(df_sample3.groupby(['seller_name','country_name'])['quantity'].count().to_frame().sort_values('quantity', ascending=False).head(10))
# RESOLUCIÓN ANALÍTICA
print("CANTIDAD VENDEDOR / ARTICULO")
df_sample4 = my_df.set_index(['seller_name']).sort_index(ascending=[True])
#print(df_sample)
pd.options.display.float_format= '$ {:,.2f}'.format
#df = sns.load_dataset('df_sample')
df_sample4.groupby(['seller_name','article_name'])['quantity'].count().to_frame().sort_values('quantity', ascending=False)
print(df_sample4.groupby(['seller_name','article_name'])['quantity'].count().to_frame().sort_values('quantity', ascending=False).head(5))
# RESOLUCIÓN ANALÍTICA
print("CANTIDAD VENDEDOR / PAIS / ARTICULO")
df_sample5= my_df.set_index(['seller_name']).sort_index(ascending=[True])
#print(df_sample)
pd.options.display.float_format= '$ {:,.2f}'.format
#df = sns.load_dataset('df_sample')
df_sample5.groupby(['seller_name','country_name','article_name'])['quantity'].count().to_frame().sort_values('quantity', ascending=False)
print(df_sample5.groupby(['seller_name','country_name','article_name'])['quantity'].count().to_frame().sort_values('quantity', ascending=False).head(10))