# 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_articulos = pd.DataFrame(sql_query, columns = ['article_id', 'article_name', 'unit_price'])
# Vendedores
df_vendedores = pd.read_excel('/work/data/sellers.xlsx', index_col=0)
# Órdenes
df_ordenes = pd.read_csv('/work/data/orders.csv')
# Exploración del df de artículos
print('Muestra de datos')
print(df_articulos.head(10))
print('\nShape del dataframe: ', df_articulos.shape)
print('\nCantidad de valores nulos por columna: ', df_articulos.isnull().sum())
print('\nFormato de los datos por columna')
print(df_articulos.dtypes)
# Exploración del df de vendedores
print('Muestra de datos')
print(df_vendedores.head(10))
print('\nShape del dataframe: ', df_vendedores.shape)
print('\nCantidad de valores nulos por columna', df_vendedores.isnull().sum())
print('\nFormato de los datos por columna')
print(df_vendedores.dtypes)
# Exploración del df de órdenes
print('Muestra de datos')
print(df_ordenes.head(10))
print('\nShape del dataframe: ',df_ordenes.shape)
print('\nBúsqueda de valores nulos por columna')
print(df_ordenes.isnull().sum())
print('\nFormato de los datos por columna')
print(df_ordenes.dtypes)
df_articulos['unit_price'] = df_articulos['unit_price'].astype(float)
print(df_articulos.dtypes)
my_df = df_ordenes.merge(df_vendedores, left_on='seller_id', right_on='seller_id', how= 'left').merge(df_articulos, left_on='article_id', right_on='article_id', how= 'left')
total = lambda row: float(row['quantity']) * float(row['unit_price'])
my_df['total_amount'] = my_df.apply(total, axis=1)
my_df = my_df[['week', 'quantity', 'article_name', 'total_amount', 'seller_name', 'country_name']]
print(my_df.head(10))
# RESOLUCIÓN ANALÍTICA
df_cant_art = my_df.groupby('article_name').sum()
df_cant_art_ord = df_cant_art.sort_values('quantity', ascending=False)
print(df_cant_art['quantity'].head(1) )
# RESOLUCIÓN GRÁFICA
sns.barplot(y = df_cant_art_ord["quantity"], x=df_cant_art_ord.index, palette="rocket")
plt.xticks(rotation=90)
plt.show()
# RESOLUCIÓN ANALÍTICA
df_monto_articulo_ord = my_df.groupby('article_name').sum().sort_values('total_amount', ascending=False).head(5)
print(df_monto_articulo_ord)
# RESOLUCIÓN GRÁFICA
# plt.pie(x=df_monto_articulo_ord['total_amount'], labels=df_monto_articulo_ord.index)
# plt.show()
plt.barh(df_monto_articulo_ord.index, df_monto_articulo_ord['total_amount'] , height=0.7)
plt.show()
# RESOLUCIÓN ANALÍTICA
df_monto_vendedor_ord = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending=False)
print(df_monto_vendedor_ord[['quantity']+['total_amount']])
# RESOLUCIÓN GRÁFICA
sns.barplot(df_monto_vendedor_ord.index, df_monto_vendedor_ord['total_amount'], palette="rocket")
plt.xticks(rotation=45, ha="right")
plt.show()
# RESOLUCIÓN ANALÍTICA
df_venta_semanal = my_df.groupby(by='week').sum().sort_values('total_amount',ascending=False)
print(df_venta_semanal['total_amount'])
# RESOLUCIÓN GRÁFICA
sns.barplot(df_venta_semanal.index,df_venta_semanal['total_amount'], color= 'blue')
plt.show()
#mas caros
df_articulos['unit_price'] = df_articulos['unit_price'].astype(float)
mas_caros = df_articulos.sort_values('unit_price',ascending=False)
print(mas_caros.head(10))
mas_caros = mas_caros.head(10)
sns.barplot(mas_caros['article_name'],df_articulos['unit_price'], color= 'blue')
plt.xticks(rotation=90, ha="right")
plt.show()
#mas baratos
df_articulos['unit_price'] = df_articulos['unit_price'].astype(float)
mas_baratos = df_articulos.sort_values('unit_price',ascending=True)
print(mas_baratos.head(10))
mas_baratos = mas_baratos.head(10)
sns.barplot(mas_baratos['article_name'],df_articulos['unit_price'], color= 'blue')
plt.xticks(rotation=90, ha="right")
plt.show()
# RESOLUCIÓN
# ¿Cual es la semana de mayor venta para cada pais?
# Previsualizar el DF final
# Pais1 4 monto
# Pais2 3 monto
df_pais_semana = my_df.groupby(['country_name','week']).sum()
paises = my_df.groupby('country_name').sum().index.values
#print(type(paises))
df_p_s = pd.DataFrame(columns=['Semana', 'Ventas'], index=paises)
for p in paises:
df = df_pais_semana.loc[p]
m = df.max()['total_amount']
w = df[(df['total_amount'] == m)].index[0]
#print('Pais:',p,' Semana:',w,' Total ventas:', m)
df_p_s.loc[p]= {'Semana': w, 'Ventas': m }
df_p_s['Semana'] = df_p_s['Semana'].astype(int)
#print(df_p_s)
g=sns.barplot(data=df_p_s, x=df_p_s.index ,y='Ventas', hue='Semana')
g.set_xticklabels(labels=df_p_s.index,rotation=90)
plt.show()
# RESOLUCImy_df = df_ordenes.merge(df_vendedores, left_on='seller_id', right_on='seller_id', how= 'left').merge(df_articulos, left_on='article_id', right_on='article_id', how= 'left')
my_df = df_ordenes.merge(df_vendedores, left_on='seller_id', right_on='seller_id', how= 'left').merge(df_articulos, left_on='article_id', right_on='article_id', how= 'left')
total = lambda row: float(row['quantity']) * float(row['unit_price'])
my_df['total_amount'] = my_df.apply(total, axis=1)
my_df = my_df[['order_id', 'quantity', 'article_name', 'total_amount', 'seller_name', 'country_name']]
ordernes_mas_costosas = my_df.sort_values('total_amount',ascending=False)
ordernes_mas_costosas['total_amount'] = ordernes_mas_costosas['total_amount'].astype(float)
ordernes_mas_costosas = ordernes_mas_costosas.head(5)
print(ordernes_mas_costosas)
sns.barplot(ordernes_mas_costosas['seller_name'],ordernes_mas_costosas['total_amount'], color= 'blue')
plt.xticks(rotation=90, ha="right")
plt.show()