joao.herculano/Ruptura_Projetada
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Compare commits

base: joao.herculano:4495bae649ac177ed12467622a4c7d075f65cf2b
Branches Tags
joao.herculano:main
..
compare: joao.herculano:09c44480fa1a66c589dec846b0e481ac338bf4e2
Branches Tags
joao.herculano:main

No commits in common. "4495bae649ac177ed12467622a4c7d075f65cf2b" and "09c44480fa1a66c589dec846b0e481ac338bf4e2" have entirely different histories.
4495bae649 ... 09c44480fa

2 changed files with 25 additions and 112 deletions
Show Stats Expand all files Collapse all files

95
Lançamentos/Script_lançamento_EUD_v2.ipynb
View File

@ -88,17 +88,17 @@
" </thead>\n",
" <tbody>\n",
" <tr>\n",
" <th>2304</th>\n",
" <td>C202512</td>\n",
" <td>2025-08-06</td>\n",
" <td>2025-08-26</td>\n",
" <th>2262</th>\n",
" <td>C202511</td>\n",
" <td>2025-07-16</td>\n",
" <td>2025-08-05</td>\n",
" <td>21</td>\n",
" <td>EUDORA</td>\n",
" <td>2025-08-06</td>\n",
" <td>12</td>\n",
" <td>2025-07-16</td>\n",
" <td>11</td>\n",
" <td>C2025</td>\n",
" <td>C202515</td>\n",
" <td>62</td>\n",
" <td>C202514</td>\n",
" <td>54</td>\n",
" <td>1</td>\n",
" </tr>\n",
" </tbody>\n",
@ -107,10 +107,10 @@
],
"text/plain": [
" Ciclo INICIO CICLO FIM CICLO DURAÇÃO MARCA Date NUM_CICLO \\\n",
"2304 C202512 2025-08-06 2025-08-26 21 EUDORA 2025-08-06 12 \n",
"2262 C202511 2025-07-16 2025-08-05 21 EUDORA 2025-07-16 11 \n",
"\n",
" ANO_CICLO CICLOMAIS2 dias_ate_inicio match \n",
"2304 C2025 C202515 62 1 "
"2262 C2025 C202514 54 1 "
]
},
"execution_count": 3,
@ -263,7 +263,7 @@
"name": "stderr",
"output_type": "stream",
"text": [
"C:\\Users\\joao.herculano\\AppData\\Local\\Temp\\ipykernel_27244\\3284054138.py:10: DtypeWarning: Columns (7) have mixed types. Specify dtype option on import or set low_memory=False.\n",
"C:\\Users\\joao.herculano\\AppData\\Local\\Temp\\ipykernel_61796\\3284054138.py:10: DtypeWarning: Columns (7) have mixed types. Specify dtype option on import or set low_memory=False.\n",
" df_draft = pd.concat([pd.read_csv(file) for file in csv_files], ignore_index=True)\n"
]
},
@ -354,7 +354,7 @@
"name": "stderr",
"output_type": "stream",
"text": [
"C:\\Users\\joao.herculano\\AppData\\Local\\Temp\\ipykernel_27244\\1463083786.py:24: DeprecationWarning: DataFrameGroupBy.apply operated on the grouping columns. This behavior is deprecated, and in a future version of pandas the grouping columns will be excluded from the operation. Either pass `include_groups=False` to exclude the groupings or explicitly select the grouping columns after groupby to silence this warning.\n",
"C:\\Users\\joao.herculano\\AppData\\Local\\Temp\\ipykernel_61796\\1463083786.py:24: DeprecationWarning: DataFrameGroupBy.apply operated on the grouping columns. This behavior is deprecated, and in a future version of pandas the grouping columns will be excluded from the operation. Either pass `include_groups=False` to exclude the groupings or explicitly select the grouping columns after groupby to silence this warning.\n",
" crescimento_por_pdv = df_draft.groupby('PDV').apply(calcular_crescimento)\n"
]
}
@ -1264,10 +1264,10 @@
" 'Histórico de Vendas do Ciclo 202504',\n",
" 'Histórico de Vendas do Ciclo 202505',\n",
" 'Histórico de Vendas do Ciclo 202506',\n",
" 'Histórico de Vendas do Ciclo Atual', 'Projeção Próximo Ciclo',\n",
" 'Projeção Próximo Ciclo + 1', 'Histórico de Vendas do Ciclo 202507',\n",
" 'Vendas Ciclo Lançamento', 'Pico Vendas Similar Ultimos 6 ciclos',\n",
" 'MEDIANA DO HISTÓRICO', 'PDVDEPARA.Practico', 'Código', 'PV GINSENG'],\n",
" 'Histórico de Vendas do Ciclo Atual',\n",
" 'Histórico de Vendas do Ciclo 202507', 'Vendas Ciclo Lançamento',\n",
" 'Pico Vendas Similar Ultimos 6 ciclos', 'MEDIANA DO HISTÓRICO',\n",
" 'PDVDEPARA.Practico', 'Código', 'PV GINSENG'],\n",
" dtype='object')"
]
},
@ -1280,7 +1280,7 @@
"\n",
"df_final.drop(columns=['status', 'Classe', 'SKU', 'Subcategoria', 'Lançamento',\n",
" 'Desativação','Dias sem venda',\n",
" #'Projeção Próximo Ciclo', 'Projeção Próximo Ciclo + 1',\n",
" 'Projeção Próximo Ciclo', 'Projeção Próximo Ciclo + 1',\n",
" 'Promoção Próximo Ciclo', 'Promoção Próximo Ciclo + 1', 'Estoque Atual',\n",
" 'Estoque em Transito', 'Pedido Pendente',\n",
" 'Compra inteligente semanal/Sugestão de compra',\n",
@ -1346,7 +1346,6 @@
" 'MECANICA REVENDEDOR', 'TIPO DE PRODUTO', 'MATCH', 'PDV', 'CANAL',\n",
" 'DESCRIÇÃO PDV', 'PDV DESC', 'UF', 'ANALISTA', 'SUPERVISOR',\n",
" 'DESCRIÇÃO', 'C-4', 'C-3', 'C-2', 'C-1', 'VENDAS CICLO ATUAL',\n",
" 'PROJEÇÃO PRÓXIMO CICLO', 'PROJEÇÃO PRÓXIMO CICLO + 1',\n",
" 'VENDAS CICLO LANÇAMENTO', 'PICO VENDAS SIMILAR ULTIMOS 6 CICLOS',\n",
" 'MEDIANA DO HISTÓRICO', 'PDVDEPARA.PRACTICO', 'CÓDIGO', 'PV GINSENG'],\n",
" dtype='object')"
@ -1367,12 +1366,12 @@
},
{
"cell_type": "code",
"execution_count": 45,
"execution_count": null,
"id": "5abd4bae",
"metadata": {},
"outputs": [],
"source": [
"df_final = df_final.drop(columns=['DESCRIÇÃO','MEDIANA DO HISTÓRICO'])"
"df_final = df_final.drop(columns=['DESCRIÇÃO','MEDIANA DO HISTÓRICO','SKU'])"
]
},
{
@ -1384,7 +1383,7 @@
{
"data": {
"text/plain": [
"(170, 34)"
"(170, 32)"
]
},
"execution_count": 46,
@ -1399,36 +1398,6 @@
{
"cell_type": "code",
"execution_count": 47,
"id": "10975651",
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
"Index(['PRODUTO LANÇAMENTO', 'DESCRIÇÃO DO LANÇAMENTO', 'PRODUTO SIMILAR',\n",
" 'DESCRIÇÃO SIMILAR', 'CICLO SIMILAR', 'FOCO', 'IAF', 'CATEGORIA',\n",
" 'MARCA', '% CONSUMIDOR', 'MECANICA CONSUMIDOR', '% REVENDEDOR',\n",
" 'MECANICA REVENDEDOR', 'TIPO DE PRODUTO', 'MATCH', 'PDV', 'CANAL',\n",
" 'DESCRIÇÃO PDV', 'PDV DESC', 'UF', 'ANALISTA', 'SUPERVISOR', 'C-4',\n",
" 'C-3', 'C-2', 'C-1', 'VENDAS CICLO ATUAL', 'PROJEÇÃO PRÓXIMO CICLO',\n",
" 'PROJEÇÃO PRÓXIMO CICLO + 1', 'VENDAS CICLO LANÇAMENTO',\n",
" 'PICO VENDAS SIMILAR ULTIMOS 6 CICLOS', 'PDVDEPARA.PRACTICO', 'CÓDIGO',\n",
" 'PV GINSENG'],\n",
" dtype='object')"
]
},
"execution_count": 47,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"df_final.columns"
]
},
{
"cell_type": "code",
"execution_count": 48,
"id": "25cbff26",
"metadata": {},
"outputs": [],
@ -1462,14 +1431,12 @@
" 'C-1',\n",
" 'VENDAS CICLO ATUAL',\n",
" 'PICO VENDAS SIMILAR ULTIMOS 6 CICLOS',\n",
" 'PV GINSENG',\n",
" 'PROJEÇÃO PRÓXIMO CICLO',\n",
" 'PROJEÇÃO PRÓXIMO CICLO + 1'])\n"
" 'PV GINSENG'])\n"
]
},
{
"cell_type": "code",
"execution_count": 49,
"execution_count": 48,
"id": "a3e80cb4",
"metadata": {},
"outputs": [],
@ -1481,29 +1448,13 @@
},
{
"cell_type": "code",
"execution_count": 50,
"execution_count": 49,
"id": "2df3e2e9",
"metadata": {},
"outputs": [],
"source": [
"df_final.to_excel(r'C:\\Users\\joao.herculano\\Documents\\sugestEUD.xlsx',index=False)"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "7d781cb5",
"metadata": {},
"outputs": [],
"source": []
},
{
"cell_type": "code",
"execution_count": null,
"id": "a40ff37f",
"metadata": {},
"outputs": [],
"source": []
}
],
"metadata": {

42
relatório_ruptura/ruptura projetada 23.05.py
View File

@ -155,39 +155,6 @@ df4['data'] = hoje
path2 = r'C:\Users\joao.herculano\OneDrive - GRUPO GINSENG\Documentos\acompanhamentos\estudo ruptura\AcompanhamentoRuptura.xlsx'
de_effi = pd.read_excel(r"C:\Users\joao.herculano\OneDrive - GRUPO GINSENG\Documentos\acompanhamentos\estudo ruptura\AcompanhamentoRuptura.xlsx")
de_effi['data'] = pd.to_datetime(de_effi['data'], errors='coerce')
# Step 2: Group and sort
grouped = (
de_effi.groupby('data')['quantidade_ruptura']
.sum()
.sort_index()
)
# Step 3: Plot
plt.figure(figsize=(12, 6))
plt.plot(grouped.index, grouped.values, marker='o', linestyle='-', color='cornflowerblue', linewidth=2)
# Step 4: Format numbers with dot ('.') separator, no decimals
for x, y in zip(grouped.index, grouped.values):
label = f"{y:,.0f}".replace(",", ".") # format like 75.063
plt.text(x, y + max(grouped.values) * 0.015, label, ha='center', fontsize=9)
# Step 5: Format chart
plt.title('Evolução de Quantidade de Ruptura por Data', fontsize=14)
plt.xlabel('Data', fontsize=12)
plt.ylabel('Quantidade de Ruptura', fontsize=12)
plt.grid(True, linestyle='--', alpha=0.6)
plt.xticks(rotation=45)
# Format x-axis as dd/mm/yyyy
plt.gca().set_xticklabels([d.strftime('%d/%m/%Y') for d in grouped.index])
plt.tight_layout()
plt.savefig("grafico2.png")
plt.close()
# Tenta abrir e escrever com append
with pd.ExcelWriter(path2, mode='a', engine='openpyxl', if_sheet_exists='overlay') as writer:
# Encontra a última linha preenchida
@ -227,7 +194,6 @@ else:
boa = "Boa noite!"
grafico_cid = make_msgid()[1:-1]
grafico2_cid = make_msgid()[1:-1]
msg = EmailMessage()
msg['From'] = remetente
msg['To'] = ', '.join(destinatarios)
@ -245,9 +211,8 @@ html_email = f"""
<li>Maior excesso por estado, assim como o PDV que o possui.</li>
</ul>
<p>Além disso, o material destaca as VDs com maior criticidade, permitindo uma atuação direcionada para mitigar impactos e priorizar ações de abastecimento e transferência.</p>
<p><strong>Importante:</strong></p>
<p>O relatório está em processo de desenvolvimento e pode sofrer mudanças futuras no layout. Ficamos à disposição para esclarecer quaisquer dúvidas.</p>
<p>Foram adicionados ao relatório os PDVs da região de Irecê.</p>
<p><strong>Importante:</strong> O relatório está em processo de desenvolvimento e pode sofrer mudanças futuras no layout. Ficamos à disposição para esclarecer quaisquer dúvidas.</p>
<img src="cid:{grafico_cid}">
</body>
@ -259,9 +224,6 @@ msg.add_alternative(html_email, subtype='html')
with open("grafico.png", 'rb') as img:
msg.get_payload()[1].add_related(img.read(), 'image', 'png', cid=grafico_cid)
with open("grafico2.png", 'rb') as img:
msg.get_payload()[1].add_related(img.read(), 'image', 'png', cid=grafico2_cid)
with open(excel_path, 'rb') as f:
msg.add_attachment(
f.read(),