# imports
import numpy as np
import pandas as pd
import sqlite3 as sql3
import matplotlib.pyplot as plt
import seaborn as sns
import openpyxl # para levantar excel de otros paquetes (no office)
# Levanto los datos en 3 diferentes dataframes
#Articulos
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'])
#df_articles
#Vendedores
df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0)
#df_sellers
#Ordenes
df_orders = pd.read_csv('/work/data/orders.csv')
#df_orders
#sql_query
# Exploración del df de artículos
print('Muestra de datos')
print(df_articles.head())
print('\nForma del dataframe')
print(df_articles.shape)
print('\nBuscar valores nulos')
print(df_articles.isnull().sum())
print('\nFormato de los datos del dataframe')
print(df_articles.dtypes)
# Exploración del df de vendedores
print('Muestra de datos')
print(df_sellers.head())
print('\nForma del dataframe')
print(df_sellers.shape)
print('\nBuscar valores nulos')
print(df_sellers.isnull().sum())
print('\nFormato de los datos del dataframe')
print(df_sellers.dtypes)
# Exploración del df de órdenes
print('Muestra de datos')
print(df_orders.head())
print('\nForma del dataframe')
print(df_orders.shape)
print('\nBuscar valores nulos')
print(df_orders.isnull().sum())
print('\nFormato de los datos del dataframe')
print(df_orders.dtypes)
# Cambiar a float los precios unitarios
df_articles['unit_price'] = df_articles['unit_price'].astype(float)
print(df_articles.dtypes)
#Creo una copia del df_orders
my_df = df_orders.copy()
# Cambio el indice del df_articles
df_articles.set_index('article_id', inplace=True)
# Agrego 3 columnas y pongo el campo que me va a servir de "ancla" para buscar la información real.
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(df_articles)
#Reemplazar los valores reales en el df
for i in range (len(my_df.index)): #len(my_df.index) devuelva la cantidad de filas (registros)
#reemplazo el nombre del articulo usando el id guardado en my_df
article = df_articles.loc[my_df.loc[i]['article_id']]['article_name']
my_df.loc[i, 'article_name'] = article
#reemplazo el nombre del vendedor usando el id guardado en my_df
my_df.loc[i, 'seller_name'] = df_sellers.loc[my_df.loc[i]['seller_id']]['seller_name']
#busco el pecio unitario y lo multiplico por la cantidad de unidades vendidas.
my_df.loc[i, 'total_amount'] = df_articles.loc[my_df.loc[i]['article_id']]['unit_price'] * my_df.loc[i, 'quantity']
#elimino las columnas que no utilizo
my_df.drop(['article_id', 'seller_id', 'order_id'], axis='columns', inplace=True)
print(my_df.head())
# RESOLUCIÓN ANALÍTICA
my_df2 = my_df.groupby('article_name').sum()
por_cantidad = my_df2.sort_values('quantity', ascending=False)
print(por_cantidad['quantity'].head(1))
# RESOLUCIÓN GRÁFICA
sns.barplot(x=my_df2.index, y=my_df2['quantity'], data = my_df2, palette='Set2', order=my_df2.sort_values('quantity', ascending=False).index).set(title='VENTAS POR ARTÍCULO')
plt.xlabel('Producto')
plt.ylabel('Cantidad vendida')
plt.xticks(rotation=90)
plt.show()
# Otra RESOLUCIÓN GRÁFICA
plt.figure(figsize=(5,8))
plt.barh(por_cantidad.index, por_cantidad['quantity'],color= 'firebrick')
plt.xlabel('Cantidad vendida')
plt.ylabel('Producto')
plt.title('UNIDADES VENDIDAS POR PRODUCTO')
plt.show()
# RESOLUCIÓN ANALÍTICA
my_df2 = my_df.groupby('article_name').sum()
mas_ingresos = my_df2.sort_values('total_amount', ascending=False).head()
print(mas_ingresos['total_amount'])
# RESOLUCIÓN GRÁFICA
# OJO: Solo graficamos los 5 primeros productos, si ponemos el porcentaje de cada uno en el grafico,
# no sería el numero real.
e = (0.1,0,0,0,0)
plt.pie(x=mas_ingresos['total_amount'], labels=mas_ingresos.index, explode=e, shadow = True)
plt.title('ARTÍCULOS MAS VENDIDOS')
plt.show()
# RESOLUCIÓN ANALÍTICA
df3 = my_df.groupby('seller_name').sum().sort_values('total_amount', ascending = False)
print(df3[['quantity']+['total_amount']].head(1))
# RESOLUCIÓN GRÁFICA
plt.bar(df3.index,df3['total_amount'], color='firebrick')
plt.xticks(rotation=80)
plt.xlabel('Vendedor')
plt.ylabel('Monto total')
plt.title('MONTO DE VENTAS SEGÚN VENDEDOR')
plt.show()
# RESOLUCIÓN ANALÍTICA
df4 = my_df.groupby('week').sum()
print(df4)
# RESOLUCIÓN GRÁFICA
plt.bar(df4.index,df4['total_amount'], color='firebrick')
plt.xlabel('Semana')
plt.ylabel('Monto total')
plt.title('MONTO DE VENTAS SEGÚN CADA SEMANA DEL MES')
plt.show()
# RESOLUCIÓN
df5 = my_df.groupby('country_name').sum().sort_values('quantity', ascending = False)
print(df5[['quantity']+['total_amount']].head(1))
# RESOLUCIÓN GRÁFICA
plt.bar(df5.index,df5['quantity'], color='firebrick')
plt.xticks(rotation=75)
plt.xlabel('País')
plt.ylabel('Cantidad vendida')
plt.title('CANTIDAD DE PRODUCTOS VENDIDOS SEGÚN CADA PAÍS')
plt.show()
df6 = my_df.groupby('country_name').sum().sort_values('total_amount', ascending = False)
print(df6['total_amount'].head())
# RESOLUCIÓN GRÁFICA
plt.bar(df6.index,df6['total_amount'], color='firebrick')
plt.xticks(rotation=75)
plt.xlabel('País')
plt.ylabel('Monto total')
plt.title('MONTO TOTAL DE VENTAS POR PAÍS')
plt.show()
# RESOLUCIÓN GRÁFICA
sns.catplot(data=my_df, x='country_name', y='quantity', dodge=False, aspect=2, height=6, kind='bar', hue='article_name', palette='Set3')
plt.xticks(rotation=75)
plt.xlabel('País')
plt.ylabel('Cantidad vendida')
plt.title('ARTÍCULOS MÁS VENDIDOS POR PAÍS')
plt.show()