Crear Tablas HTML desde JSON con Python

Introducción

Imagina que trabajas en una empresa de comercio electrónico llamada "TechStore". Esta empresa vende productos tecnológicos como laptops, teléfonos, tablets y monitores. Para gestionar sus ventas y analizar el rendimiento de sus productos, necesitan una base de datos organizada y un sistema que les permita realizar consultas y análisis de datos de manera eficiente.

En esta guía, aprenderás cómo convertir datos almacenados en un archivo JSON en tablas HTML utilizando Python, Pandas y la librería Rich. Este proceso es ideal para visualizar datos en páginas web de manera dinámica.

POO y Ciencia de Datos

La Programación Orientada a Objetos (POO) es un paradigma de programación que nos permite modelar el mundo real en objetos con propiedades y comportamientos. En este contexto, podemos crear clases como "Producto" y "Venta", que tendrán atributos como "nombre", "precio", "fecha", "cantidad", etc.

La ciencia de datos nos proporciona herramientas y técnicas para analizar grandes volúmenes de datos y extraer información valiosa. En este caso, podemos utilizar pandas para crear un DataFrame con los datos de ventas y productos, y luego aplicar técnicas de análisis para identificar patrones, tendencias y relaciones entre las variables.

Historia

TechStore ha estado operando durante un año y ha recopilado una gran cantidad de datos de ventas. Quieren utilizar esta información para:

• Identificar los productos más vendidos: ¿Cuáles son los productos que generan más ingresos?

• Analizar las tendencias de ventas: ¿Hay alguna estacionalidad en las ventas de ciertos productos?

• Optimizar los precios: ¿Cómo pueden ajustar los precios para maximizar las ganancias?

• Mejorar la gestión del inventario: ¿Cuántas unidades de cada producto deben tener en stock para satisfacer la demanda?

Tabla de ejemplo

Para responder a estas preguntas, necesitamos una tabla con datos de ejemplo. La tabla "ventas" podría tener las siguientes columnas:

• id_venta: Identificador único de la venta.

• id_producto: Identificador del producto vendido.

• fecha: Fecha de la venta.

• cantidad: Cantidad de productos vendidos.

• pagada: Indica si la venta ha sido pagada.

Paso 1: Estructura del Archivo JSON

Supongamos que tienes un archivo JSON llamado database.json con la siguiente estructura:

{
  "productos": [
    {"id": 1, "nombre": "Laptop", "precio": 1200},
    {"id": 2, "nombre": "Teléfono", "precio": 800},
    {"id": 3, "nombre": "Tablet", "precio": 600}
  ],
  "ventas": [
    {"id_venta": 1, "id_producto": 1, "fecha": "2023-10-01", "cantidad": 2, "pagada": true},
    {"id_venta": 2, "id_producto": 2, "fecha": "2023-10-02", "cantidad": 1, "pagada": false}
  ]
}

Paso 2: Código Python Completo

Aquí tienes el código completo para convertir el JSON en tablas HTML:

import json
import pandas as pd
from rich.console import Console
from rich.table import Table
import os

# Definición de la clase Venta
class Venta:
    def __init__(self, id_venta, id_producto, fecha, cantidad, pagada=False):
        self.id_venta = id_venta
        self.id_producto = id_producto
        self.fecha = fecha
        self.cantidad = cantidad
        self.pagada = pagada

    def __dict__(self):
        return {
            "ID Venta": self.id_venta,
            "ID Producto": self.id_producto,
            "Fecha": self.fecha,
            "Cantidad": self.cantidad,
            "Pagada": "Sí" if self.pagada else "No"
        }

# Función para crear tablas desde JSON
def crear_tabla_desde_json(nombre_archivo="database.json"):
    console = Console()

    try:
        # Cargar el archivo JSON
        if os.path.exists(nombre_archivo):
            with open(nombre_archivo, 'r', encoding='utf-8') as f:
                datos_json = json.load(f)
        elif os.path.exists(os.path.join("data", nombre_archivo)):
            with open(os.path.join("data", nombre_archivo), 'r', encoding='utf-8') as f:
                datos_json = json.load(f)
        else:
            raise FileNotFoundError(f"No se encontró el archivo {nombre_archivo}")
    except Exception as e:
        console.print(f"[bold red]Error:[/bold red] {e}")
        return None, None

    try:
        # Crear DataFrames con Pandas
        df_productos = pd.DataFrame(datos_json['productos'])
        ventas = [Venta(**venta_dict) for venta_dict in datos_json['ventas']]
        df_ventas = pd.DataFrame([venta.__dict__() for venta in ventas])

        # Mostrar tablas en la terminal con Rich (opcional)
        if not df_productos.empty:
            tabla_productos = Table("Productos", *df_productos.columns)
            for _, row in df_productos.iterrows():
                tabla_productos.add_row(*row.astype(str))
            console.print(tabla_productos)

        if not df_ventas.empty:
            tabla_ventas = Table("Ventas", *df_ventas.columns)
            for _, row in df_ventas.iterrows():
                tabla_ventas.add_row(*row.astype(str))
            console.print(tabla_ventas)

        # Convertir DataFrames a HTML
        tabla_productos_html = df_productos.to_html(index=False)
        tabla_ventas_html = df_ventas.to_html(index=False)

        return tabla_productos_html, tabla_ventas_html
    except Exception as e:
        console.print(f"[bold red]Error:[/bold red] {e}")
        return None, None

# Guardar las tablas en archivos HTML
tabla_productos_html, tabla_ventas_html = crear_tabla_desde_json()

if tabla_productos_html and tabla_ventas_html:
    with open("tabla_productos.html", "w", encoding='utf-8') as f:
        f.write(tabla_productos_html)
    with open("tabla_ventas.html", "w", encoding='utf-8') as f:
        f.write(tabla_ventas_html)
    print("Tablas guardadas en tabla_productos.html y tabla_ventas.html")

Resultado

Al ejecutar el código, se generarán dos archivos HTML con las tablas de productos y ventas.

Consideraciones éticas

Es importante recordar que el uso de datos personales debe ser ético y responsable. En este contexto, los datos de ventas y productos se utilizan únicamente con fines educativos y de análisis. No se recopila información personal de los clientes y se garantiza la privacidad de los datos.

¡Espero que esta guía te haya sido útil! Si tienes alguna pregunta, no dudes en contactarme.