# 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 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_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) #Órdenes df_orders=pd.read_csv('/work/data/orders.csv')

# 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 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()) print('\nFormato del dataFrame') print(df_sellers.shape) print('\nBúsqueda de valores nulos 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()) print('\nFormato del dataFrame') print(df_orders.shape) print('\nBúsqueda de valores nulos 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)

#pd.set_option('precision',2)

# Creo una copia del df_orders my_df = df_orders.copy() #Cambio el índice del df de artículos df_artic=df_articles.set_index('article_id', inplace= False) # Agrego algunas columnas y pongo el campo que me va aservir de "ancla" para acordarme 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']) # Reemplazo los valores en el nuevo df for i in range(len(my_df.index)): # Obtenemos article_name id_articulo = my_df.loc[i]['article_id'] nombreArticulo = df_artic.loc[id_articulo]['article_name'] #se lo asigno a la columna correspondiente my_df.loc[i,'Articulo'] = nombreArticulo # Obtenemos total_amount precioArticulo = df_artic.loc[id_articulo]['unit_price'] my_df.loc[i, 'Total facturado'] = my_df.loc[i,'quantity'] * precioArticulo # Obtenemos seller_name id_vendedor = my_df.loc[i]['seller_id'] nombreVendedor = df_sellers.loc[id_vendedor]['seller_name'] my_df.loc[i, 'Vendedor'] = nombreVendedor # elimino las columnas que no necesito my_df.drop(['order_id', 'article_id', 'seller_id'], axis = 'columns', inplace=True)

my_df.dtypes pd.options.display.float_format = '$ {:,.2f}'.format

# RESOLUCIÓN ANALÍTICA df_cant_articulos = my_df.groupby('Articulo').sum() df_cant_articulos_ord = df_cant_articulos.sort_values('quantity', ascending=False) print('El artículo más vendido fue:') print(df_cant_articulos_ord['quantity'].head(1) )

# RESOLUCIÓN GRÁFICA sns.barplot(y = df_cant_articulos_ord["quantity"], x=df_cant_articulos_ord.index).set(title='Cantidad de artículos vendidos',ylabel='cantidad') plt.xticks(rotation=90) plt.show()

# RESOLUCIÓN ANALÍTICA df_monto_articulo_ord = my_df.groupby('Articulo').sum().sort_values('Total facturado', ascending=False) print(df_monto_articulo_ord.head(1))

# RESOLUCIÓN GRÁFICA plt.barh(df_monto_articulo_ord.index, df_monto_articulo_ord['Total facturado'], height=0.6) plt.xlabel('Total facturado') plt.ylabel('Artículo') plt.title('Monto facturado de los artículos vendidos', fontsize=15) plt.tick_params(axis="y", labelsize=7) plt.show()

# RESOLUCIÓN ANALÍTICA df_monto_vendedor_ord = my_df.groupby('Vendedor').sum().sort_values('Total facturado', ascending=False) print('El mejor vendedor del mes fue:', df_monto_vendedor_ord[['quantity']+['Total facturado']].head(1))

# RESOLUCIÓN GRÁFICA plt.bar(df_monto_vendedor_ord.index, df_monto_vendedor_ord['Total facturado']) plt.xticks(rotation=45, ha="right") plt.xlabel('Vendedores') plt.ylabel('Monto facturado (en $)') plt.title('Monto facturado según vendedor', fontsize=15) plt.show()

# RESOLUCIÓN ANALÍTICA df_venta_semanal = my_df.groupby(by='week').sum().sort_values('Total facturado',ascending=False) print(df_venta_semanal[['quantity'] + ['Total facturado']])

# RESOLUCIÓN GRÁFICA plt.bar(df_venta_semanal.index,df_venta_semanal['Total facturado'], width=0.8) semana=[1,2,3,4] plt.xlabel('semana') plt.ylabel('Monto facturado (en $)') plt.title('Monto facturado según semana', fontsize=15) plt.xticks(semana) plt.show()

# RESOLUCIÓN df_mejorVendedor = my_df[(my_df['Vendedor'] == "Janel O'Curran") ] df_Venta_por_semana= df_mejorVendedor.groupby('week').sum() print(df_Venta_por_semana[['quantity']+['Total facturado']])

# RESOLUCIÓN df_monto_país_ord = my_df.groupby('country_name').sum().sort_values('Total facturado', ascending=False) print('El país que más compró es:') print( df_monto_país_ord[['quantity']+['Total facturado']].head(1))

# RESOLUCIÓN sns.boxplot( x = "Total facturado", data = df_monto_país_ord)