# 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 matplotlib.pyplot as plt import seaborn as sns import openpyxl #para levantar excel de otros paqueter 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

# 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 untitarios 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.head())

#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('***** Artículo que más se vendió *****\n') print(por_cantidad['quantity'].head(1))

# RESOLUCIÓN ANALÍTICA my_df2 = my_df.groupby('article_name').sum() por_ingresos = my_df2.sort_values('total_amount', ascending=False).head() print('***** Artículo que más ingresos generó *****\n') print(por_ingresos['total_amount'].head(1))

por_ingresos2 = my_df2.sort_values('total_amount', ascending=False) otros_acum= por_ingresos2.iloc[5:]['total_amount'].sum() #otros_acum guarda el total de ingresos generados por los otros productos #que no sean los primeros 5 que aparecen en por_ingresos #Comprobando print('Total de ingresos que generan los 5 primeros productos: ',por_ingresos['total_amount'].sum()) print('Total de ingresos que generan el resto de productors: ',otros_acum) print('Sumando los dos valores anteriores: ',por_ingresos['total_amount'].sum()+otros_acum) print('\nTotal de ingresos de todos los productos calculado \n desde el dataframe agrupado por productos: ',my_df2['total_amount'].sum())

por_ingresos.loc['otros']=[ 0, 0, otros_acum ] #Añado como fila a Otros con los ingresos que generaron el resto de los productos #Solo para que los porcentajes de la grafica pie sean reales print(por_ingresos['total_amount'])

# RESOLUCIÓN ANALÍTICA print('***** Mejor vendedor del mes *****\n') df3 =my_df.groupby('seller_name').sum().sort_values('total_amount',ascending=False) print(df3[['quantity']+['total_amount']].head(1))

# RESOLUCIÓN ANALÍTICA print('***** Variación en las ventas a lo largo del mes *****\n') df4 = my_df.groupby('week').sum() print(df4)

df4.index = df4.index.astype(str) #Cambiamos el tipo de dato en index para graficar mejor

# RESOLUCIÓN ANALITICA print('***** País al que se vende menos *****\n') df5 =my_df.groupby('country_name').sum().sort_values('quantity',ascending=True) print(df5[['quantity'] + ['total_amount']].head(1))

# RESOLUCIÓN ANALÍTICA #creo el DF mart que contiene los 3 articulos que generaron más ingresos mart = my_df2.sort_values('total_amount', ascending=False).head(3) mart = mart.rename_axis('article_name').reset_index() #creo el DF mvend que contiene los 5 vendedores que generaron mas ingresos mvend = df3.head(5) mvend = mvend.rename_axis('seller_name').reset_index() #Creo el DF dmm extrayendo de my_df la información en donde se cumpla la condicione que el vendedor #sea alguno de los TOP 5 y que ademmás haya vendido uno de los TOP 3 articulos dfmm = pd.DataFrame(columns= ['seller_name', 'article_name','quantity']) c=0 for i in range (len(my_df.index)): #len(my_df.index) devuelva la cantidad de filas (registros) for j in range (len(mart.index)): for k in range (len(mvend.index)): if (my_df.loc[i]['seller_name'] == mvend.iloc[k]['seller_name']) & (my_df.loc[i]['article_name'] == mart.loc[j]['article_name']): dfmm.loc[c] = [mvend.iloc[k]['seller_name'], mart.iloc[j]['article_name'], my_df.loc[i]['quantity']] c= c+1 print(dfmm.head())

#RESOLUCIÓN ANALÍTICA print('\n***** Top 3 de articulos que generan más ingresos *****\n') print(mart[['article_name']+['quantity']+['total_amount']]) print('\n***** Top 5 de mejores vendedores *****\n') print(mvend[['seller_name']+['quantity']+['total_amount']]) print('\n***** Unidades vendidas de los Top3 articulos por los top 3 vendedores*****\n') df6 =dfmm.groupby(['seller_name','article_name']).sum() print(df6)

# RESOLUCIÓN ANALITICA print('***** Mejor vendedor a Brasil *****\n') #Agrupamos los datos por país y en cada país por vendedor df7 =my_df.groupby(['country_name','seller_name',]).sum() #Seleccionamos solo los datos de Brazil para encontrar al mejor vendedor de ese país de_brasil = df7.loc['Brazil'].sort_values('total_amount',ascending=False) print(de_brasil[['total_amount']+['quantity']].head(1))