# A veces necesitamos instalar nuevas librerías en nuestros proyectos !pip install xlrd !pip install openpyxl==3.0.10

# imports import pandas as pd import numpy as np import sqlite3 import matplotlib.pyplot as plt import seaborn as sns import openpyxl

# Levanto los datos en 3 diferentes dataframes df_orders = pd.read_csv('/work/data/orders.csv') #print(dforders) con = sqlite3.connect('/work/data/articles.db') # Usa read_sql_query de pandas para extraer el resultado # de la consulta a un DataFrame df_articulos = pd.read_sql_query("SELECT * from articles", con) #print (dfarticulos) #leer excel df_sellers = pd.read_excel(io = "/work/data/sellers.xlsx") #print(df_sellers)

# EXPLORO LAS COLUMNAS DEL DF print('\nDatos del Dataframe') print (df_articulos.head()) print('\nColumnas del Dataframe') print (df_articulos.columns) # cuantos registros tiene el dataframe? print('\nTotal de registros: ') print(df_articulos['article_id'].count()) print('\nTipos de Datos:') print (df_articulos.dtypes) print('\nForma del dataframe:') print (df_articulos.shape) print('\nCantidad de Registros Nulos:') print (df_articulos.isnull().sum())

# Exploración del df de vendedores print('\nDatos del Dataframe') print (df_orders.head) # cuantos registros tiene el dataframe? print('\nTotal de registros: ') print(df_orders['order_id'].count()) print('\nForma del dataframe:') print(df_orders.shape) print('\nCantidad de Registros Nulos:') print (df_orders.isnull().sum()) print('\nTipos de Datos:') print (df_orders.dtypes) # unir DF #dftodo = pd.merge(dfarticulos, dforders, on='article_id')

# Exploración del df de órdenes print('\nDatos del Dataframe') print (df_sellers.head()) print('\nColumnas del Dataframe') print (df_sellers.columns) # cuantos registros tiene el dataframe? print('\nTotal de registros: ') print(df_sellers['seller_id'].count()) print('\nTipos de Datos:') print (df_sellers.dtypes) print('\nForma del dataframe:') print (df_sellers.shape) print('\nCantidad de Registros Nulos:') print (df_sellers.isnull().sum())

# cambiar el tipo de datos de la columa unit_price df_articulos['unit_price'] = df_articulos['unit_price'].astype(float) print(df_articulos) print (df_articulos.dtypes) #Darle formato con decimales pd.options.display.float_format = '{:,.2f}'.format print(df_articulos['unit_price'])

# Armar un df haciendo joins con los dataframes originales my_df1 = pd.merge(df_articulos, pd.merge(df_sellers, df_orders, on='seller_id'), on='article_id') # Crear una nueva columna para obtener el monto total my_df1['total_amount'] = my_df1['quantity'] * my_df1['unit_price'] # Dejar en my_df solamente las columnas que voy a necesitar my_df = my_df1[['week'] + ['article_name']+ ['quantity'] + ['seller_name'] + ['country_name'] + ['total_amount']] print (my_df)

# RESOLUCIÓN ANALÍTICA # Armar un df con los datos agrupados por nombre de artículo df_ventaarticulos = my_df.groupby(['article_name'], as_index= False)['quantity'].sum() # Obtener el top 10 de art mas vendidos ordenado por cantidad df_top10articulos = df_ventaarticulos.sort_values('quantity', ascending= False).head(10) print (df_top10articulos) df_articulomasvendido = df_ventaarticulos.sort_values('quantity', ascending= False).head(1) print('\nArtículo mas Vendido:') print(df_articulomasvendido)

# RESOLUCIÓN GRÁFICA sns.barplot(x='quantity', y='article_name', data=df_top10articulos, orient='h') plt.title('Top 10 de Artículos mas Vendidos', size = 20) plt.ylabel('Artículo', size=1) plt.xlabel('Unidades Vendidas', size=10) plt.show()

# RESOLUCIÓN ANALÍTICA # Armar un df con los datos de ventas agrupados por nombre de artículo df_ingresosarticulos = my_df.groupby(['article_name'], as_index= False)['total_amount'].sum() # obtener el top 10 de articulos con mas monto de ventas df_top10ventasart =df_ingresosarticulos.sort_values('total_amount', ascending= False).head(10) print(df_top10ventasart) df_top1ventasart = df_top10ventasart.sort_values('total_amount', ascending= False).head(1) print('\nArtículo mas Vendido:') print(df_top1ventasart)

# RESOLUCIÓN GRÁFICA #sns.barplot(x="total_amount", y="article_name", data=df_arting10, orient='h') sns.barplot(y="total_amount", x="article_name", data=df_top10ventasart) plt.title('Top 10 de Venta de Artículos', size = 20) plt.ylabel('Monto', size=10) plt.xlabel('Artículos', size=10) plt.xticks(rotation=90) plt.show()

# RESOLUCIÓN ANALÍTICA df_porvendedor = my_df.groupby(['seller_name'], as_index= False)['total_amount'].sum() df_top10vendedor = df_porvendedor.sort_values('total_amount', ascending= False).head(10) print (df_top10vendedor) df_top1vendedor = df_porvendedor.sort_values('total_amount', ascending= False).head(1) print('\nVendedor al que corresponde el Bono:') print(df_top1vendedor)

# RESOLUCIÓN GRÁFICA sns.barplot(y='seller_name', x='total_amount', data=df_top10vendedor, ) plt.title('Top 10 de Vendedores', size = 20) plt.ylabel('Vendedor', size=10) plt.xlabel('Total de Ventas', size=10)

# RESOLUCIÓN ANALÍTICA # Obtener en un DF las ventas agrupadas por semana df_porsemana = my_df.groupby(['week'], as_index= False)['total_amount'].sum() print (df_porsemana) # Agregar columna con el % de ventas por semana en función al total df_porsemana['Porcentaje (%)'] = df_porsemana['total_amount'] / df_porsemana['total_amount'].sum() * 100 #df_porsemana['%'] = df_porsemana['%'].astype(float) print (df_porsemana) print ('\nLa campaña se debe lanzar en la última semana porque es la que tiene el % menor de ventas del mes')

# RESOLUCIÓN GRÁFICA sns.barplot(y='total_amount', x='week', data=df_porsemana,) plt.xlabel('Semanas', size=16) plt.ylabel('Monto', size=1) #'$ {:,.2f}'.format #yaxis.set_major_formatter(FormatStrFormatter('%.2f')) #plt.yaxis.set_major_formatter(FormatStrFormatter('%.2f')) plt.title('Ventas del Mes Agrupada por Semana', size = 20) plt.show() destacar = (0, 0, 0, 0.2) plt.pie(df_porsemana['total_amount'], labels=df_porsemana['week'], autopct="%0.1f %%", explode=destacar) plt.title('Ventas del Mes Agrupadas por Semana', size = 20) plt.show()

# RESOLUCIÓN ANALÍTICA # Agrupar ventas por país df_porpais = my_df.groupby(['country_name'], as_index= False)['total_amount'].sum() # Agregar columna de % al df df_porpais['%'] = df_porpais['total_amount'] / df_porpais['total_amount'].sum() * 100 df_top5paisesmenosventas = df_porpais.sort_values('total_amount', ascending= False).tail(5) print (df_top5paisesmenosventas.sort_values('total_amount')) # RESOLUCIÓN GRÁFICA sns.barplot(y='country_name', x='total_amount', data=df_top5paisesmenosventas, ) plt.title('5 Paises con Menos Ventas', size = 20) plt.ylabel('País', size=10) plt.xlabel('Total de Ventas', size=10)

# RESOLUCIÓN df_ventasnotebookargentina = my_df.query('article_name== "HDD" and country_name == "Argentina"') #print(df_ventasnotebookargentina) df_evolucion = df_ventasnotebookargentina.groupby(['week'], as_index= False)['quantity'].sum() print (df_evolucion) #df_evolucion2 = my_df.groupby(['week'], as_index= False)['quantity'].sum().query('article_name== "Notebook" and country_name == "Argentina"') #print (df_evolucion) #df_evolucion.drop(['article_name', 'country_name'], axis= 'columns', inplace=True) #print(df_evolucion) #print(df_evolucion2) # RESOLUCIÓN GRÁFICA sns.barplot(y='quantity', x='week', data=df_evolucion, ) plt.title('Cantidad de "HDD" Vendidas por Semana en Argentina', size = 20) plt.ylabel('Cantidad', size=10) plt.xlabel('Semana', size=10) plt.show()

# RESOLUCIÓN # Crear DF agrupando por semana y vendedor #df_porsemana = my_df.groupby(['seller_name','week'])['total_amount'].sum() df_porsemana = df_ventasnotebookargentina.groupby(['week','seller_name'], as_index= False)['quantity'].sum() print (df_porsemana.sort_values('week')) df_pivot = df_porsemana.pivot(index='week', columns='seller_name', values='quantity') #print (df_pivot) df_pivot.plot.bar(stacked=True) plt.title('Cantidad de "HDD"" Vendidas por Semana y Vendedor en Argentina', size = 20) plt.ylabel('Cantidad', size=10) plt.xlabel('Semana', size=10) plt.legend(title='Vendedor') plt.xticks(rotation=0) plt.show()