# 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()) # cuenta valores únicos

# RESOLUCIÓN GRÁFICA sns.displot(my_df, x='article_name') 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(df2['total_amount']) # 'article_name' es el index # print(df2) # agrupa (y suma) sólo datos numéricos # SINTAXIS ALTERNATIVA # 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='%1.2f%%') 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']) 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']) 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

# Ventas filtrado por país # Resolución analítica print('Ventas por país') df6=(my_df.groupby(by='country_name').sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df6[['quantity'] + ['total_amount']])

# Ventas filtrado por país # Resolución gráfica print("Ventas totales por país") sns.barplot(df6.index, df6['total_amount'],palette='magma') plt.xticks(rotation=60) plt.title("Ventas por país") plt.xlabel("País") plt.ylabel("Monto") plt.yticks(np.arange(0,450001,50000)) plt.show()

# Cantidades y montos vendidos # Resolución analítica print("Cantidades y montos vendidos en los primeros 2 países") df6_2=(my_df.groupby(by='country_name').sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df6_2[['quantity'] + ['total_amount']].head(2)) df6_3= df6_2[['quantity'] + ['total_amount']].head(2) #Artículos mas vendidos en cada país #Resolución analítica print("\nTop artículos en Brasil") df_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')] print(df_brasil.groupby(['article_name']).agg({'quantity':'sum'}).sort_values('quantity', ascending=False)) df_brasil2=df_brasil.groupby(['article_name']).agg({'quantity':'sum'}).sort_values('quantity', ascending=False) df_brasil2_head = df_brasil2.head(5) print() print("\nTop artículos en Argentina") df_argentina = my_df.loc[my_df['country_name'] == 'Argentina'] print(df_argentina.groupby(['article_name']).agg({'quantity':'sum'}).sort_values('quantity', ascending=False)) df_argentina2=df_argentina.groupby(['article_name']).agg({'quantity':'sum'}).sort_values('quantity', ascending=False) df_argentina2_head = df_argentina2.head(5) df_argentina_total=df_argentina.groupby(['article_name']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False)

# Cantidades y montos vendidos # Resolución gráfica print("Comparación de 2 países") sns.barplot(df6_3.index, df6_3['quantity'],palette='magma') plt.xticks(rotation=60) plt.title("Comparación de 2 países - Cantidades") plt.xlabel("País") plt.ylabel("Cantidad") plt.yticks(np.arange(0,3501,200)) plt.show() print("Comparación de 2 países") sns.barplot(df6_3.index, df6_3['total_amount'],palette='magma') plt.xticks(rotation=60) plt.title("Comparación de 2 países - Monto total") plt.xlabel("País") plt.ylabel("Monto") plt.yticks(np.arange(0,450001,25000)) plt.show() #Artículos mas vendidos en cada país #Resolución gráfica sns.barplot(df_argentina2_head.index, df_argentina2_head['quantity'],palette='magma') plt.xticks(rotation=60) plt.title("Top artículos Argentina - Cantidades") plt.xlabel("País") plt.ylabel("Cantidad") plt.yticks(np.arange(0,201,10)) plt.show() sns.barplot(df_brasil2_head.index, df_brasil2_head['quantity'],palette='magma') plt.xticks(rotation=60) plt.title("Top artículos Brasil - Cantidades") plt.xlabel("País") plt.ylabel("Cantidad") plt.yticks(np.arange(0,201,10)) plt.show()

# RESOLUCIÓN # Evolución de Ventas por producto. # Tomar 2 países y 'week' como variable categórica # Resolución Analítica y Gráfica

# Evolución de ventas - Cantidades de productos en cada semana # Resolución analítica print("Cantidades por semana en Brasil") df_brasil = my_df.loc[(my_df['country_name'] == 'Brazil')] print(df_brasil.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)) df_brasil2=df_brasil.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True) print() print("Cantidades por semana en Argentina") df_argentina = my_df.loc[my_df['country_name'] == 'Argentina'] print(df_argentina.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)) df_argentina2=df_argentina.groupby(['week']).agg({'quantity':'count'}).sort_values('week', ascending=True)

# Evolución de ventas - Cantidades de productos en cada semana # Resolución gráfica plt.plot(df_argentina2, 'k*--',label = 'Argentina') plt.plot(df_brasil2, 'ro:',label = 'Brasil') plt.legend() plt.xlabel('Semana') plt.ylabel('Cantidad') plt.yticks(np.arange(0,101,10)) plt.xticks(np.arange(1,5,1)) plt.grid() plt.show()

# RESOLUCIÓN # Mejor vendedor/producto por país # Resolución Analítica y Gráfica

# Mejor vendedores y artículo más vendido por ellos - Argentina # Resolución analítica print ("Mejor vendedores y artículo más vendido por ellos en Argentina") df_vend_art_arg = df_argentina.set_index(['seller_name']).sort_index(ascending=[True]) pd.options.display.float_format= '$ {:,.2f}'.format df_vend_art_arg.groupby(['seller_name','article_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False) print(df_vend_art_arg.groupby(['seller_name','article_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False).head(10)) df_vend_art_arg_2 = df_vend_art_arg.groupby(['seller_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False).head(10)

# Mejor vendedores y artículo más vendido por ellos - Brasil # Resolución analítica print ("Mejor vendedores y artículo más vendido por ellos en Brasil") df_vend_art_br = df_brasil.set_index(['seller_name']).sort_index(ascending=[True]) pd.options.display.float_format= '$ {:,.2f}'.format df_vend_art_br.groupby(['seller_name','article_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False) print(df_vend_art_br.groupby(['seller_name','article_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False).head(10)) df_vend_art_br_2 = df_vend_art_br.groupby(['seller_name'])['total_amount'].sum().to_frame().sort_values('total_amount', ascending=False).head(10)

# Mejores vendedores en Argentina # Resolución gráfica print("Ventas totales por país") sns.barplot(df_vend_art_arg_2.index, df_vend_art_arg_2['total_amount'],palette='magma') plt.xticks(rotation=60) plt.title("Ventas por vendedor - Argentina") plt.xlabel("Vendedor") plt.ylabel("Monto") plt.yticks(np.arange(0,35001,5000)) plt.show()

# Mejores vendedores en Brasil # Resolución gráfica print("Ventas totales por país - Brasil") sns.barplot(df_vend_art_br_2.index, df_vend_art_br_2['total_amount'],palette='magma') plt.xticks(rotation=60) plt.title("Ventas por vendedor - Brasil") plt.xlabel("Vendedor") plt.ylabel("Monto") plt.yticks(np.arange(0,65001,5000)) plt.show()