TP Final Integrador - Duplicate

# 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 # para que levante bien el 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) # 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('\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 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 my_df = df_orders.copy() # Cambio el índice del df de artículos df_articles.set_index('article_id',inplace = True) # 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 for i in range(len(my_df.index)): # len(my_df.index) devuelve la cantidad de registros # 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 article = df_articles.loc[my_df.loc[i]['article_id']]['article_name'] # se lo asigno a la columna correspondiente my_df.loc[i,'article_name'] = article # hago lo mismo en un solo paso para la columna de 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'] # elimino las columnas que no necesito my_df.drop(['order_id', 'article_id', 'seller_id'], axis = 'columns', inplace=True) print(my_df)

# RESOLUCIÓN ANALÍTICA my_df2=my_df.groupby('article_name').sum() por_cant = my_df2.sort_values('quantity', ascending=False) print('Articulo más vendido') print(por_cant['quantity'].head(1))

# RESOLUCIÓN GRÁFICA sns.barplot(y=por_cant["quantity"], x=por_cant.index) plt.xticks(rotation=90) plt.title('ARTICULO MAS VENDIDO') plt.xlabel('Articulos') plt.ylabel('Unidades') print('Respuesta') plt.show()

# RESOLUCIÓN ANALÍTICA df2 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(5) print('Articulo con mayor ingreso') print(df2['total_amount'])

# RESOLUCIÓN GRÁFICA ---> OJO: Voy a tomar sólo los 5 primeros artículos que más ingresos proporcionaron # No puedo hacer una comparativa ni porcentajes porque no tomé el total de los datos #plt.pie(x=df2['total_amount'], labels=df2.index) #plt.show() color = 'y' plt.barh(df2.index,df2['total_amount'] , height=0.80, color = color) plt.title('ARTICULO QUE PROPORCIONÓ MAYOR INGRESO') plt.xlabel('Importe en pesos') plt.ylabel('Articulos') print('Respuesta') plt.show()

# RESOLUCIÓN ANALÍTICA df4 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False).head(5) print('Mejor vendedor del mes') print(df4[['quantity']+['total_amount']])

# RESOLUCIÓN GRÁFICA plt.bar(df4.index,df4['total_amount'], color = ['fuchsia','violet']) plt.xticks(rotation=85) plt.title('MEJOR VENDEDOR DEL MES') plt.ylabel('Importe en USD') plt.xlabel('Vendedores') print('Respuesta') plt.show()

# RESOLUCIÓN ANALÍTICA df5 = (my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False) print('Variaciones a lo largo del mes') print(df5['total_amount'])

# RESOLUCIÓN GRÁFICA plt.bar(df5.index,df5['total_amount'], color = ['darkblue','mediumblue','blue','royalblue']) plt.title('MONTOS POR SEMANAS') plt.ylabel('Importe en USD') plt.xlabel('Semanas') plt.xticks([1,2,3,4]) print('Respuesta') plt.show()

# RESOLUCIÓN ANALITICA df_pais_art = my_df.groupby(['country_name', 'article_name']).sum() (df_pais_art) paises = my_df.groupby('country_name').sum().index.values #print(paises) df_resp = pd.DataFrame(columns=['Articulos', 'Cantidad'], index=paises) #print(df_resp) for p in paises: df = df_pais_art.loc[p] v = df.max()['quantity'] s = df[(df['quantity'] == v)].index[0] df_resp.loc[p] = {'Articulos': s, 'Cantidad': v} df_resp['Articulos'] = df_resp['Articulos'] print('Articulo mas vendido por país') print(df_resp)

# RESOLUCIÓN ANALITICA df9 =(my_df.groupby('seller_name').mean()).sort_values('total_amount', ascending=False) print('Promedio de venta por vendedor') print(df9['total_amount'])

# RESOLUCION GRAFICA plt.plot(df9.index, df9["total_amount"]) plt.xticks(rotation=85) plt.title('PROMEDIO DE VENTA POR VENDEDOR') plt.ylabel('Promedio') plt.xlabel('Vendedores') print('Respuesta') plt.show()

# RESOLUCIÓN df_vend_art = my_df.groupby(['seller_name', 'article_name']).sum() # (df_vend_art) vendedor = my_df.groupby('seller_name').sum().index.values # print(vendedor) df_resp = pd.DataFrame(columns=['Articulo', 'Cantidad'], index=vendedor) #print(df_resp) for p in vendedor: df = df_vend_art.loc[p] v = df.max()['quantity'] s = df[(df['quantity'] == v)].index[0] df_resp.loc[p] = {'Articulo': s, 'Cantidad': v} df_resp['Articulo'] = df_resp['Articulo'] print('Articulo mas vendido en un rango de 10 vendedores') print((df_resp).head(10))

sns.barplot(x='Articulo', y='Cantidad', hue= vendedor, data = df_resp) sns.xlabel='Articulo' sns.ylabel='Cantidad' sns.set_context('poster') sns.set(rc = {'figure.figsize':(19,12)}) print('Respuesta') plt.show()

Luego de un análisis exploratorio de los 3 diferentes dataframes se concluye lo siguiente: 1. El articulo mas vendido fue el HDD con 413 unidades vendidas, pero el articulo que mas ingreso proporciono fue el FULL PC, con un ingreso total de $538,335.93 USD. 2. Por otro lado, el vendedor que mas cantidades de articulo vendió fue Janel O'Curran, sin embargo, el vendedor que mas dinero consiguió sin mayor esfuerzo fue Brockie Patience, con una media de ventas de 2503.682105. A su vez, se decidió analizar la cantidad vendida por vendedor en un rango de 10 vendedores, obteniéndose como resultado lo siguiente: Arnold Kilkenny vendió 55 unidades de CPU. Aveline Swanwick vendió 60 unidades de Monitor. Brockie Patience vendió 50 unidades de Table. Cirilo Grandham vendió 42 unidades de Módem Cornie Wynrehame vendió 46 unidades de SDD Daisie Slograve vendió 59 unidades de Monitor. Ewell Peres vendió 40 unidades de SDD Janel O'curran vendió 75 unidades de HDD Jase Doy vendió 50 unidades de Morherboard Kati Innot vendió 42 unidades de Mouse. De acuerdo a ello, y a las variaciones de venta del mes, se puede determinar que el mejor momento para lanzar una campaña de promociones es a fin de mes, debido a que se observa una baja importante en las ventas de la ultima semana. Además, se recomienda que sea aplicada a productos tales como: WIFI-CARD, KEYBOARD, Y CASE, debido a que si bien son productos que se vendieron en menor cantidad, no se observa que hayan generado un margen de ganancias considerable, ni mucho menos que se haya representado un gran porcentaje de ventas de algún vendedor. Por otro lado, se determinó el producto mas vendido por país, teniendo como resultado 16 países entre los cuales se posiciono el CPU como el mas vendido en Argentina, luego el PCI EXPRESS PORT en Bolivia, y la TABLET en Brazil, estos últimos como una mención de algunos ejemplos. En cuanto a las propuestas, se recomienda evaluar otros factores que no pudieron ser aplicados, ya sea por falta de tiempo o carecer de datos importantes. Se propone determinar la modalidad de salario en los países mencionados, con la finalidad de estudiar a fondo el descenso de las ventas a medida va pasando las semanas. Se propone sacar de stock todo aquel producto que no haya proporcionado mayor movimiento ni alcanzado un mínimo de ventas, debido a que no permite la adquisición y actualización de mercadería.