# 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('\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('\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()) # 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())

# RESOLUCIÓN GRÁFICA sns.displot(my_df, x='article_name',hue='article_name',palette='terrain') plt.xticks(rotation=90) # 'vertical' 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(my_df[['article_name'] + ['total_amount']].groupby(['article_name']).sum().sort_values('total_amount', ascending=False).head(5))

# RESOLUCIÓN GRÁFICA plt.pie(x=df2['total_amount'], labels=df2.index,autopct='%1.1f%%') plt.xticks() plt.show() # 'article_name' es el index

# 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_name' es el index

# RESOLUCIÓN GRÁFICA plt.bar(df4.index, df4['total_amount'],color='blueviolet') plt.xticks(rotation=60) plt.show() # 'seller_name' es el index

# 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 plt.bar(df5.index, df5['total_amount'],color='darkviolet') plt.show() # 'week' es el index

# RESOLUCIÓN # Ventas filtrado por país. Comparar 2 países # Cuál es el producto que más se vende, en qué cantidad # Resolución Analítica y Gráfica #Resolucion Analitica print('PRODUCTOS MAS VENDIDOS') df6 = my_df.groupby(['country_name']).sum().sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(my_df[['article_name']+['quantity']+ ['total_amount']].groupby(['article_name']).sum().sort_values('total_amount', ascending=False).head(5)) print('PAISES CON MAYORES VENTAS') df7= my_df.groupby(['country_name']).sum().sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df7[['quantity'] + ['total_amount']].head(2)) df8=df7[['quantity'] + ['total_amount']].head(2)

#Resolucion Grafica sns.barplot(df8.index, df8['quantity'],palette='magma') plt.xticks(rotation=60) plt.title("Paises con mayores ventas") plt.xlabel("País") plt.ylabel("Cantidad") plt.yticks(np.arange(0,2800,300)) plt.show() plt.pie(x=df6['total_amount'], labels=df6.index,autopct='%1.1f%%') plt.show()

# RESOLUCIÓN # Evolución de Ventas por producto. # Tomar 2 países y 'week' como variable categórica # Resolución Analítica y Gráfica df9=my_df[['week','article_name','country_name','quantity','total_amount']] df9=df9.groupby(['country_name','article_name'])['quantity','total_amount','week'].sum().reset_index().sort_values(by='total_amount',ascending=False).head(3) print(df9)

#Resolucion Grafica sns.barplot(x='week', y='total_amount', data = df9, color='#69b3a2') plt.xticks(rotation=90) plt.xticks(rotation=90) plt.title('Evolucion de ventas') plt.xlabel("week") plt.ylabel("Total Amount") plt.show()

# RESOLUCIÓN # Mejor vendedor/producto. Mostrar importe/cantidad. Comparar 2 países (variable categórica) # RESOLUCIÓN ANALÍTICA df10=my_df[['seller_name','country_name','week', 'quantity', 'total_amount']] df10=df10[df10['country_name']=='Brazil'] df10=df10.groupby(['seller_name','country_name'])['quantity','total_amount','week'].sum().reset_index().sort_values(by='total_amount',ascending=False).head() print(df10)

# RESOLUCIÓN Grafica sns.barplot(data=df10,x='quantity',y='total_amount',hue='seller_name',dodge=False,) plt.xticks(rotation=45) plt.title('MEJORES VENDEDORES DE BRASIL') plt.legend() plt.show()