Indice / Practicas / EJ-5.3

EJ-5.3 · Dos pasadas de to_datetime

180 ventas con la fecha escrita de dos formas distintas. Una sola pasada de to_datetime pierde datos o los interpreta mal; dos pasadas bien puestas no pierden ninguno de los que se pueden salvar.

Qué hay que hacer

A partir de ventas_mensuales.csv, producir dos archivos:

• ventas_fechadas.csv - las ventas con la fecha interpretada, más el año y el mes en columnas propias.
• ventas_rechazadas.csv - una fila por venta cuya fecha no se pudo interpretar, con el valor original y el motivo.

Por qué dos pasadas y no una

La tentación es dejar que to_datetime adivine el formato fila por fila. El problema es una fecha como 03/04/2026: puede ser el 3 de abril o el 4 de marzo, y las dos lecturas son válidas. Si pandas elige por vos, elige en silencio, y no hay forma de darse cuenta después.

Declarar el formato mayoritario en la primera pasada es la decisión que evita eso. La segunda pasada corre solo sobre lo que quedó, así que no puede tocar nada que ya se había interpretado bien.

Cómo saber si te salió

python comparar.py mi_fechadas.csv ventas_fechadas.csv
python comparar.py mi_rechazadas.csv ventas_rechazadas.csv

Antes de arrancar, mirá los datos

El contrato de salida

ventas_fechadas.csv · 175 filas

Orden de las filas: fila_origen ascendente. Es unico por construccion, asi que no hace falta desempate. Indice: no se escribe: to_csv(index=False)

ventas_rechazadas.csv · 5 filas

Orden de las filas: fila_origen ascendente. Indice: no se escribe: to_csv(index=False)

Que hacer con cada defecto

Conteos clave

Si estos numeros no te dan, algo se desvio antes de que llegues a comparar los archivos.

Invariantes

Comprobaciones que tu resultado tiene que cumplir. Corrilas vos mismo antes de comparar los archivos:

len(fechadas) + len(rechazadas) == 180
fechadas['fila_origen'].is_unique
rechazadas['fila_origen'].is_unique
fechadas['anio'].eq(2026).all()
fechadas['mes'].between(1, 12).all()
(fechadas['fecha'].str.len() == 10).all()
set(rechazadas['motivo']) <= {'ausente', 'fecha_invalida'}
'2026-03-15' in set(fechadas['fecha'])

Así tiene que quedar