# 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
# 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')
# 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)
# Inconveniente del df Artículos
df_articles['unit_price'] = df_articles['unit_price'].astype(float)
print(df_articles.dtypes)
# Inconveniente del df Vendedores
df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0)
my_df = df_orders.copy()
df_articulos = df_articles.set_index('article_id',inplace = False)
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'])
for i in range(len(my_df.index)):
id_articulo = my_df.loc[i]['article_id']
nombre_articulo = df_articulos.loc[id_articulo]['article_name']
my_df.loc[i,'article_name'] = nombre_articulo
precio_articulo = df_articulos.loc[id_articulo]['unit_price']
my_df.loc[i,'total_amount'] = my_df.loc[i,'quantity'] * precio_articulo
id_vendedor = my_df.loc[i]['seller_id']
nombre_vendedor = df_sellers.loc[id_vendedor]['seller_name']
my_df.loc[i,'seller_name'] = nombre_vendedor
my_df.drop(['order_id', 'article_id', 'seller_id'], axis = 'columns', inplace=True)
# RESOLUCIÓN ANALÍTICA
df_q_articulos = my_df.groupby('article_name').sum()
df_q_articulos_orden = df_q_articulos.sort_values('quantity',ascending=False)
print(df_q_articulos_orden['quantity'].head(1))
# RESOLUCIÓN GRÁFICA
df_q_articulos_orden['quantity'].head(5).plot(kind='bar',title='Top 5: Artículos más vendidos',color=['b','r','g','c','m'],edgecolor='black')
plt.xlabel('Artículos')
plt.ylabel('Ventas')
plt.xticks(rotation=0)
plt.show()
# RESOLUCIÓN ANALÍTICA
df_monto_articulo = my_df.groupby('article_name').sum()
df_monto_articulo_orden = df_monto_articulo.sort_values('total_amount',ascending=False)
print(df_monto_articulo_orden['total_amount'].head(5))
# RESOLUCIÓN GRÁFICA
df_monto_articulo_orden['total_amount'].head(5).sort_values(ascending=True).plot(kind='barh',title='Top 5: Artículos que más ingresos generaron',color=['b','r','g','c','m'],edgecolor='black')
plt.xlabel('Monto vendido')
plt.ylabel('')
plt.show()
# RESOLUCIÓN ANALÍTICA
df_monto_vendedor = my_df.groupby('seller_name').sum()
df_monto_vendedor_orden = df_monto_vendedor.sort_values('total_amount',ascending=False)
print(df_monto_vendedor_orden[['quantity']+['total_amount']])
# RESOLUCIÓN GRÁFICA
df_monto_vendedor_orden['total_amount'].head(5).plot(kind='bar',title='Top 5: Ranking de ventas por vendedor',color=['b','r','g','c','m'],edgecolor='black')
plt.ylabel('Monto vendido ($)')
plt.xlabel('')
plt.xticks(rotation=15,ha='right')
plt.show()
# RESOLUCIÓN ANALÍTICA
df_venta_semanal = my_df.groupby('week').sum()
df_venta_semanal_orden = df_venta_semanal.sort_values('total_amount',ascending=False)
print(df_venta_semanal_orden['total_amount'])
# RESOLUCIÓN GRÁFICA
df_venta_semanal_orden['total_amount'].plot(kind='bar',title='Ventas por semana',color=['b','r','g','c'],edgecolor='black')
plt.ylabel('Monto vendido ($)')
plt.xlabel('Semanas')
plt.xticks(rotation=0)
plt.show()
# RESOLUCIÓN ANALÍTICA
df_monto_pais = my_df.groupby('country_name').sum()
df_monto_pais_orden = df_monto_pais.sort_values('total_amount',ascending=False)
print(df_monto_pais_orden['total_amount'].head(5))
# RESOLUCIÓN GRÁFICA
df_monto_pais_orden['total_amount'].head(5).plot(kind='bar',title='Top 5: Países con la mayor cantidad de ventas en dinero',color=['g','deepskyblue','yellow','r','w'],edgecolor='black')
plt.ylabel('Monto vendido ($)')
plt.xlabel('')
plt.xticks(rotation=0)
plt.show()
# RESOLUCIÓN ANALÍTICA
df_vendedor_semana = my_df.groupby(['seller_name', 'week']).sum()
vendedores = my_df.groupby('seller_name').sum().index.values
df_final = pd.DataFrame(columns=['Semana', 'Ventas'], index=vendedores)
for v in vendedores:
df = df_vendedor_semana.loc[v]
t = df.max()['total_amount']
s = df[(df['total_amount'] == t)].index[0]
df_final.loc[v] = {'Semana': s, 'Ventas': t}
df_final['Semana'] = df_final['Semana'].astype(int)
print(df_final)
# RESOLUCIÓN GRÁFICA
g = sns.barplot(data = df_final, x = df_final.index, y = 'Ventas', hue = 'Semana')
g.set_xticklabels(labels=df_final.index, rotation=60, ha='right')
plt.title('Semana con más ventas de cada vendedor')
plt.show()
# RESOLUCIÓN ANALÍTICA
df_articulo_pais = my_df.groupby(['country_name', 'article_name']).sum()
paises = my_df.groupby('country_name').sum().index.values
df_ultpregu = pd.DataFrame(columns=['Artículo', 'Ventas'], index=paises)
for p in paises:
df_ulti = df_articulo_pais.loc[p]
tot = df_ulti.max()['total_amount']
arti = df_ulti[(df_ulti['total_amount'] == tot)].index[0]
df_ultpregu.loc[p] = {'Artículo': arti, 'Ventas': tot}
print(df_ultpregu)
# RESOLUCIÓN GRÁFICA
gra = sns.barplot(data = df_ultpregu, x = df_ultpregu.index, y = 'Ventas', hue = 'Artículo')
gra.set_xticklabels(labels=df_ultpregu.index, rotation=60, ha='right')
plt.title('Artículo más vendido (en monto) a cada pais')
plt.show()