# 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') 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') 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') print(df_orders.isnull().sum()) print('\nFormato de los datos por columna') print(df_orders.dtypes)

# MODIFICAR EL TIPO DE DATO DE unit_price en df_articles df_articles['unit_price'] = df_articles['unit_price'].astype(float) print(df_articles.dtypes)

# Creo una copia de df_orders que va a ser mi base my_df = df_orders.copy() print(my_df) # Cambio el índice del df_articles df_articles.set_index('article_id', inplace=True) #print(df_articles)

# Agrego tres columnas y escribo como dato el campo que me va a servir de nexo 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']) print(my_df)

print(df_articles.head())

# Reemplazar los valores en las columnas nuevas de my_df # print(len(my_df.index)) Se obtiene la cantidad de registros #Origen del dato que se quiere df.loc[fila(i)][columna 'article_name'] for i in range(len(my_df.index)): article = df_articles.loc[my_df.loc[i]['article_id']]['article_name'] # my_df.loc[i]['article_name'] # Se asigna a la columna correspondiente my_df.loc[i,'article_name'] = article # Manejo de la misma forma total amount my_df.loc[i,'total_amount'] = df_articles.loc[my_df.loc[i]['article_id']]['unit_price'] * my_df.loc[i,'quantity'] pd.options.display.float_format = '$ {:,.2f}'.format # Manejo para obtener la columna seller_name my_df.loc[i,'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_name']]['seller_name'] #Metodo que elimina las columnas que no se necesita my_df.drop(['order_id', 'article_id','seller_id'], axis='columns', inplace=True) print(my_df)

# RESOLUCIÓN ANALÍTICA df2=my_df.groupby('article_name').sum() por_cant = df2.sort_values('quantity', ascending=False) print(por_cant['quantity'].head(1))

# RESOLUCIÓN GRÁFICA sns.displot(my_df,y='article_name', color='turquoise') plt.figsize=(10,6) plt.title('Artículos más vendidos') plt.xlabel('Cantidad') plt.ylabel('Artículos') plt.show()

# RESOLUCIÓN ANALÍTICA df3=(my_df.groupby('article_name').sum()).sort_values('total_amount',ascending=False).head(5) print(df3['total_amount'])

# RESOLUCIÓN GRÁFICA # Se consideran los primeros cinco(5) artículos que proporcionarón más ingresos plt.pie(x=df3['total_amount'], labels=df3.index) plt.title('Artículos que proporcionan más ingresos') plt.show()

# RESOLUCIÓN ANALÍTICA df4 = (my_df.groupby('seller_name').sum()).sort_values('total_amount', ascending=False) print(df4[['quantity'] + ['total_amount']])

# RESOLUCIÓN GRÁFICA plt.bar(df4.index, df4['total_amount'], color='darkblue') plt.xticks(rotation=60) plt.title('Vendedor del mes') plt.xlabel('Vendedor') plt.ylabel('Cantidad vendida') plt.show()

# RESOLUCIÓN ANALÍTICA df5 = (my_df.groupby('week').sum()).sort_values('total_amount',ascending=False) print(df5)

# RESOLUCIÓN GRÁFICA plt.bar(df5.index, df5['total_amount'], color='turquoise') plt.title('Variaciones por mes') plt.xlabel('Semana') plt.ylabel('Monto total') plt.show()

# RESOLUCIÓN df6 = (my_df.groupby('country_name').sum()).sort_values('total_amount', ascending=False).head(5) print(df6[['quantity'] + ['total_amount']])

# RESOLUCIÓN GRÁFICA plt.bar(df6.index, df6['total_amount'],width=0.5, color='g') plt.title('Países con más ingresos de venta total') plt.xlabel('País') plt.ylabel('Monto total') plt.show()

# RESOLUCIÓN print(my_df.max())

df1 = (my_df.groupby(['country_name','article_name','quantity']).sum()).sort_values('quantity', ascending=False).head(5) df1.drop(['total_amount'], axis='columns', inplace=True) print(df1)