TP FINAL INTEGRADOR. Comisión #22039
Alumna: Andrea Arias
# A veces necesitamos instalar nuevas librerías en nuestros proyectos
!pip install --upgrade pip
!pip install openpyxl==3.0.10
Requirement already satisfied: pip in /root/venv/lib/python3.9/site-packages (22.1.2)
Requirement already satisfied: openpyxl==3.0.10 in /root/venv/lib/python3.9/site-packages (3.0.10)
Requirement already satisfied: et-xmlfile in /root/venv/lib/python3.9/site-packages (from openpyxl==3.0.10) (1.1.0)
# imports
import numpy as np
import pandas as pd
import sqlite3 as sql3
import openpyxl # para que levante bien el excel
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'])
#df_articles
# Vendedores
df_sellers = pd.read_excel('/work/data/sellers.xlsx', index_col=0)
#df_sellers
# Órdenes
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('\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)
df_articles
Muestra de datos
article_id article_name unit_price
0 20015 Smartphone 525.00
1 20016 Full Pc 2127.81
2 20017 Monitor 230.00
3 20018 Tablet 130.00
4 20019 Desk 130.10
Formato del dataframe
(31, 3)
Búsqueda de valores nulos por columna
article_id 0
article_name 0
unit_price 0
dtype: int64
Formato de los datos por columna
article_id int64
article_name object
unit_price object
dtype: object
article_idint64
20015 - 20045
article_nameobject
Smartphone3.2%
Full Pc3.2%
29 others93.5%
30
20045
Mesh Wi-Fi X 2
# 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)
df_sellers
Muestra de datos
seller_name
seller_id
1 Aveline Swanwick
2 Jase Doy
3 Oliviero Charkham
4 Cornie Wynrehame
5 Ewell Peres
Formato del dataframe
(15, 1)
Búsqueda de valores nulos por columna
seller_name 0
dtype: int64
Formato de los datos por columna
seller_name object
dtype: object
seller_nameobject
Aveline Swanwick6.7%
Jase Doy6.7%
13 others86.7%
1
Aveline Swanwick
2
Jase Doy
3
Oliviero Charkham
4
Cornie Wynrehame
5
Ewell Peres
6
Milly Christoffe
7
Kati Innot
8
Tobin Roselli
9
Onida Cosely
10
Cirilo Grandham
# 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_orders
Muestra de datos
order_id week article_id quantity seller_id country_name
0 15024 1 20039 10 10 Peru
1 15025 1 20029 15 5 Peru
2 15026 1 20024 5 14 Bolivia
3 15027 1 20018 9 14 Brazil
4 15028 1 20035 6 15 Mexico
Formato del dataframe
(1000, 6)
Búsqueda de valores nulos por columna
order_id 0
week 0
article_id 0
quantity 0
seller_id 0
country_name 0
dtype: int64
Formato de los datos por columna
order_id int64
week int64
article_id int64
quantity int64
seller_id int64
country_name object
dtype: object
order_idint64
15024 - 16023
weekint64
1 - 4
0
15024
1
1
15025
1
2
15026
1
3
15027
1
4
15028
1
5
15029
1
6
15030
1
7
15031
1
8
15032
1
9
15033
1
df_articles['unit_price'] = df_articles['unit_price'].astype(float)
print(df_articles.dtypes)
article_id int64
article_name object
unit_price float64
dtype: object
# Creo una copia del df_orders
my_df = df_orders.copy()
# Cambio el índice del df de artículos
df_articles.set_index('article_id',inplace = True)
# Agrego algunas columnas y pongo el campo que me va a servir 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
# 1. busco el nombre del artículo y lo asigno a una variable
# como df_articles está indexado por article_id, lo uso para ubicarme en
# el registro que busco
# 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
for i in range(len(my_df.index)): # len(my_df.index) devuelve la cantidad de registros
idArticulo = my_df.loc[i]['article_id']
nombreArticulo = df_articles.loc[idArticulo]['article_name']
# se lo asigno a la columna correspondiente
my_df.loc[i,'article_name'] = nombreArticulo
# hago lo mismo en un solo paso para la columna de total_amount
precioArticulo = df_articles.loc[idArticulo]['unit_price']
cantArticulo = my_df.loc[i]['quantity']
my_df.loc[i,'total_amount'] = precioArticulo * cantArticulo
# columna de seller_name
idVendedor = my_df.loc[i]['seller_id']
nombreVendedor = df_sellers.loc[idVendedor]['seller_name']
my_df.loc[i,'seller_name'] = nombreVendedor
# elimino las columnas que no necesito
my_df.drop(['order_id', 'article_id', 'seller_id'], axis = 'columns', inplace=True)
print(my_df)
week quantity country_name article_name total_amount seller_name
0 1 10 Peru Water Cooling 675.0 Cirilo Grandham
1 1 15 Peru Mouse 454.5 Ewell Peres
2 1 5 Bolivia Netbook 725.0 Janel O'Curran
3 1 9 Brazil Tablet 1170.0 Janel O'Curran
4 1 6 Mexico Case 227.4 Daisie Slograve
.. ... ... ... ... ... ...
995 4 1 Brazil Modem 67.5 Kati Innot
996 4 15 Brazil Heatsink 150.0 Daisie Slograve
997 4 2 Colombia Heatsink 20.0 Vasily Danilyuk
998 4 14 Brazil Tablet 1820.0 Vasily Danilyuk
999 4 12 Brazil SDD 264.0 Onida Cosely
[1000 rows x 6 columns]
# RESOLUCIÓN ANALÍTICA
df_art_mas_vendido=my_df.groupby('article_name').sum().sort_values('quantity', ascending=False).head(10)
print(df_art_mas_vendido['quantity'].head(1))
article_name
HDD 413
Name: quantity, dtype: int64
# RESOLUCIÓN GRÁFICA
sns.set_theme(style="whitegrid")
sns.barplot(y=df_art_mas_vendido["quantity"], x=df_art_mas_vendido.index)
plt.xticks(rotation=90)
plt.show()
Gráfica 1. El artículo más vendido es el HDD con 413 unidades vendidas en el mes
# RESOLUCIÓN ANALÍTICA
df2 = (my_df.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(5)
#print(df2['total_amount'])
print("\n\n El articulo que mas ingresos proporcionó es: \n", df2['total_amount'].head(1))
El articulo que mas ingresos proporcionó es:
article_name
Full Pc 538335.93
Name: total_amount, dtype: float64
# RESOLUCIÓN GRÁFICA
plt.barh(df2.index,df2['total_amount'] , height=0.8)
plt.xlabel('total_amount')
plt.ylabel('article_name')
plt.show()
Gráfica 2. El artículo que más ventas nos proporcionó es Full PC con un total de USD 538.335,93 en el mes.
# RESOLUCIÓN ANALÍTICA
df_sellers_by_amount = (my_df.groupby(by='seller_name').sum()).sort_values('total_amount',ascending=False)
print("Mejor vendenor del mes: \n")
print(df_sellers_by_amount[['quantity']+['total_amount']].head(1))
Mejor vendenor del mes:
quantity total_amount
seller_name
Janel O'Curran 703 192832.47
# RESOLUCIÓN GRÁFICA
#plt.title('Vendedor del Mes', fontsize = 'xx-large', pad=15)
plt.suptitle(t='Ventas por vendedor', y=1.2, fontsize='xx-large')
sns.barplot(y=df_sellers_by_amount['total_amount'], x=df_sellers_by_amount.index)
plt.xticks(rotation=60, ha="right")
plt.xlabel('Seller')
plt.ylabel('Total amount')
plt.show()
Gráfica 3. El mejor vendedor del mes fue Janel O'Curran, que generó ventas por USD 192.832,47
# RESOLUCIÓN ANALÍTICA
df_week = (my_df.groupby(by='week').sum()).sort_values('total_amount',ascending=False)
print(df_week['total_amount'])
week
1 507458.81
2 415364.44
3 329140.03
4 223844.56
Name: total_amount, dtype: float64
# RESOLUCIÓN GRÁFICA
sns.set(style='dark', palette='dark', font_scale=1)
sns.barplot(y=df_week['total_amount'], x=df_week.index)
plt.title('Ventas por semana')
plt.show()
Gráfica 4. La campaña de promociones debería lanzarse en la ultima semana del mes que es cuando se observa que las ventas disminuyen.
# RESOLUCIÓN
df_country=my_df.groupby('country_name').sum()
df_country = df_country.sort_values('total_amount', ascending=False).head(5)
print(df_country['total_amount'].head(5))
plt.title('Top 5 países por total de ventas', fontsize = 'xx-large', pad=15)
colors = sns.color_palette('pastel')[0:5]
plt.pie(df_country['total_amount'], labels = df_country.index, colors = colors, autopct='%.0f%%')
plt.show()
country_name
Brazil 441271.85
Argentina 205832.78
Colombia 177514.29
Peru 161421.12
Mexico 138619.99
Name: total_amount, dtype: float64
Gráfica 5. Mejores 5 países por ventas totales. Brasil duplica a las ventas de Argentina que es el segundo del mercado.
# RESOLUCIÓN
#Articulos mas vendidos por pais
print("Articulos mas vendidos por pais \n")
df_Brasil= my_df.loc[(my_df['country_name'] == 'Brazil')]
df_Brasil = (df_Brasil.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(2)
print("Country_name: Brazil")
print(df_Brasil['total_amount'])
print()
df_Arg= my_df.loc[(my_df['country_name'] == 'Argentina')]
df_Arg = (df_Arg.groupby(by='article_name').sum()).sort_values('total_amount',ascending=False).head(2)
print("Country_name: Argentina")
print(df_Arg['total_amount'])
# Extraigo los articulos que me interesan de la muestra
df_art_principales = my_df['article_name'].isin(['Full Pc','Notebook'])
df_art_principales
df_art_seleccionados = my_df[df_art_principales].sort_values('country_name', ascending=True)
# Agrupo por Pais y Articulo para sumarizar
df_art_seleccionados_sum = df_art_seleccionados.groupby(['country_name', 'article_name']).sum()
# Paso los indices a columnas para ayudar a plotearlos
df_art_seleccionados_sum.reset_index(level=1, inplace=True)
plt.title('Ventas de principales productos por pais', fontsize = 'xx-large', pad=15)
plt.xticks(rotation=90)
sns.barplot(x=df_art_seleccionados_sum.index, y=df_art_seleccionados_sum['total_amount'], hue=df_art_seleccionados_sum['article_name'])
plt.xlabel('Country')
plt.ylabel('Quantity')
plt.show()
Articulos mas vendidos por pais
Country_name: Brazil
article_name
Full Pc 134052.03
Notebook 83000.00
Name: total_amount, dtype: float64
Country_name: Argentina
article_name
Full Pc 95751.45
Notebook 43000.00
Name: total_amount, dtype: float64
Gráfica 6. Articulos mas vendidos por país.
# RESOLUCIÓN
# Previsualizar el DF final
# -------------------------
# "País" "Artículo" "Ventas"
# Pais1 art monto
# Pais2 art monto
# 1) Total x artículo x pais
df_pais_articulo = my_df.groupby(['country_name', 'article_name']).sum()
# 2) Lista de paises
paises = my_df.groupby('country_name').sum().index.values
# 3) Creo el DF final, pero aún sin datos
df_final = pd.DataFrame(columns=['Artículo', 'Ventas'], index=paises)
# 4) Procesar el DF df_pais_articulo y obtener las ventas maximas x artículo y guardarlas en my_df5
for p in paises:
df = df_pais_articulo.loc[p]
v = df.max()['total_amount']
a = df[(df['total_amount'] == v)].index[0]
df_final.loc[p] = {'Artículo': a, 'Ventas': v}
df_final.reset_index(inplace=True, drop=False)
df_final.columns = ['País','Artículo', 'Ventas']
print(df_final)
País Artículo Ventas
0 Argentina Full Pc 95751.45
1 Bolivia Full Pc 10639.05
2 Brazil Full Pc 134052.03
3 Chile Smartphone 6300.0
4 Colombia Full Pc 72345.54
5 Costa Rica Full Pc 23405.91
6 Ecuador Smartphone 7875.0
7 El Salvador Full Pc 40428.39
8 Guatemala Full Pc 27661.53
9 Honduras Notebook 14000.0
10 Mexico Notebook 44000.0
11 Paraguay Monitor 4370.0
12 Peru Full Pc 51067.44
13 Puerto Rico CPU 1256.58
14 Uruguay Full Pc 8511.24
15 Venezuela Full Pc 44684.01
El artículo más vendido son los HDD que alcanzan las 413 unidades vendidas a lo largo de todo el mes. Si bien el producto HDD fue el más vendido, las Full Pc son las que mayores ingresos produjeron a lo largo del mes. Alcanzan a superar en más del doble al producto que queda en 2º lugar (Notebooks).
Janel O'Curran es el vendedor que ha logrado generar mayores ingresos a la compañía, representando un poco más del 13% del total de ventas con un monto de $ 192.832,47
El total de las ventas decae de forma casi lineal a lo largo del mes. Esto puede deberse al propio ciclo de compra por la capacidad adquisitiva de los compradores (por ejemplo, asalariados que perciben el sueldo a principio de mes). Se recomienda que la campaña de promociones debería lanzarse en la ultima semana del mes que es cuando se observa que las ventas disminuyen mas.
Brasil es el principal país en ventas duplicando a las ventas de Argentina que es el segundo del mercado.
Se muestra cuál ha sido el producto más comprado por país. Y pese a como se observó en la pregunta anterior que Brasil es el mayor comprador y en segundo lugar Argentina, ambos se destacaron en comprar el producto Full Pc, el cual a su vez es el más vendido de todos los artículos. Esto deja en evidencia que la diferencia entre ambos países se debe a la cantidad de unidades adquiridas de dicho producto (en mayor proporción Brasil respecto de Argentina). Esto permite visualizar en qué productos se debe prestar más atención para cada país, tanto en cuestiones de costos como en cuestiones de precios y promociones.