# 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("ARTÍCULO MAS VENDIDO POR UNIDADES") print(my_df['article_name'].value_counts()) # cuenta valores únicos

# RESOLUCIÓN GRÁFICA sns.displot(my_df, x='article_name', palette='Accent') plt.title("ARTÍCULO MAS VENDIDO POR UNIDADES") plt.xticks(rotation=90) # 'vertical' plt.show()

# RESOLUCIÓN ANALÍTICA print("GANANCIA POR ARTÍCULO") 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.title("GANANCIA POR ARTÍCULO") plt.pie(x=df2['total_amount'], labels=df2.index, autopct='%1.2f%%') plt.show() # 'article_name' es el index

# RESOLUCIÓN ANALÍTICA print("MEJOR VENDEDOR") 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_anme' es el index

# RESOLUCIÓN GRÁFICA r=['skyblue', 'coral', 'lima' ] plt.bar(df4.index, df4['total_amount'], color=r, alpha=0.55) #plt.bar(df4.index, df4['total_amount']) plt.xticks(rotation=60) plt.title("MEJOR VENDEDOR") plt.xlabel("Vendedores") plt.ylabel("Monto") plt.show() # 'seller_anme' es el index

# RESOLUCIÓN ANALÍTICA print("VARIACIÓN DE VENTAS MENSUAL") 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 # Ventas filtrado por país. Comparar 2 países # Cuál es el producto que más se vende, en qué cantidad # Resolución Analítica y Gráfica # RESOLUCIÓN ANALÍTICA # 5.1.A Ventas por país ordenados de forma descendente print("VENTAS POR PAISES") 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']]) # 5.1.B Mayores Ventas de los 2 primeros países print("TOP TWO DE VENTAS POR PAISES") print(df6[['quantity'] + ['total_amount']].head(2)) df7=(df6[['quantity'] + ['total_amount']].head(2)) # 5.2 Producto mas vendido print("PRODUCTO MAS VENDIDO") df8 = (my_df.groupby(by='article_name').sum()).sort_values('quantity', ascending=False) print(df8[['quantity'] ].head(1))

# RESOLUCIÓN # Evolución de Ventas por producto. # Tomar 2 países y 'week' como variable categórica # Resolución Analítica y Gráfica # RESOLUCIÓN ANALÍTICA # 6.1 Evolución de Ventas por producto print("EVOLUCIÓN DE VENTAS POR PRODUCTO") df9 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df9[['quantity'] + ['total_amount']]) # 6.2 Ventas semanales de los dos primeros paises print("RANKING DE VENTAS SEMANALES POR PAISES") print("VENTAS SEMANALES DE BRASIL") # Brasil df10 = my_df.loc[(my_df['country_name'] == 'Brazil')] print(df10.groupby(['week']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False)) df11=df10.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True) # Argentina print("VENTAS SEMANALES DE ARGENTINA") df12 = my_df.loc[(my_df['country_name'] == 'Argentina')] print(df12.groupby(['week']).agg({'total_amount':'sum'}).sort_values('total_amount', ascending=False)) df13=df12.groupby(['week']).agg({'total_amount':'sum'}).sort_values('week', ascending=True)

# RESOLUCIÓN # Mejor vendedor/producto. Mostrar importe/cantidad. Comparar 2 países (variable categórica) # Resolución Analítica y Gráfica # RESOLUCIÓN ANALÍTICA # 7.1.A Ventas por Vendedor print("VENTAS POR VENDEDOR") df14 = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df14[['quantity'] + ['total_amount']]) # 7.1.B Mejor Vendedor por Producto print("MEJOR VENDEDOR POR PRODUCTO") df15 = (my_df.groupby(['seller_name','article_name']).sum()).sort_values('total_amount', ascending=False) pd.options.display.float_format= '$ {:,.2f}'.format print(df15[['quantity'] + ['total_amount']].head(1)) # 7.2 Mejor Vendedor por los dos primeros paises en el ranking de ventas print("MEJOR VENDEDOR DEL RANKING DE VENTAS POR PAISES") print("VENTAS DE BRASIL POR VENDEDOR") # Brasil df16 = my_df[my_df['country_name'] == 'Brazil'] df17 = (df16.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False).index.values pd.options.display.float_format= '$ {:,.2f}'.format print(df16[['seller_name'] + ['total_amount']]) # Argentina print("VENTAS ARGENTINA POR VENDEDOR") df18 = my_df[my_df['country_name'] == 'Argentina'] df19 = (df18.groupby(by='seller_name').sum()).sort_values('total_amount', ascending=False).index.values pd.options.display.float_format= '$ {:,.2f}'.format print(df18[['seller_name'] + ['total_amount']])