Indice / Practicas / EJ-5.8

EJ-5.8 · Pipeline con asserts sobre los hechos

El ejercicio que cierra la unidad. 500 hechos de venta con ocho clases de defecto, que hay que resolver como un pipeline: etapas chicas encadenadas, invariantes escritas como assert y una decisión que no es descartar.

Qué hay que hacer

A partir de dw_hecho_ventas.csv, producir:

• hechos_validos.csv - las ventas utilizables, con el margen calculado y una bandera de atípico.
• hechos_rechazados.csv - una fila por venta descartada, con la columna, el valor original y el motivo.

Y hay un requisito de forma, no solo de resultado: escribilo como un pipeline de funciones puras encadenadas con pipe, con los assert del contrato al final. Podés llegar al mismo archivo de otra manera, pero el ejercicio es este.

Las cuatro decisiones que hay que tomar

1. Qué se rechaza. Nueve reglas, y una fila puede fallar varias: el contrato fija el orden, así que cada rechazo aparece una sola vez.
2. Qué se marca sin rechazar. Los ingresos atípicos se conservan con atipico = 1. Son raros, no imposibles.
3. Cuándo se mide la dispersión. El límite del IQR se calcula después de sacar lo imposible. Medido antes, un ingreso de siete dígitos estira el rango y arrastra decenas de filas normales.
4. Qué promete el pipeline. Seis assert, que son las invariantes del contrato escritas en el código.

Cómo saber si te salió

python comparar.py mi_validos.csv hechos_validos.csv
python comparar.py mi_rechazados.csv hechos_rechazados.csv

Antes de arrancar, mirá los datos

El contrato de salida

hechos_validos.csv · 490 filas

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

hechos_rechazados.csv · 10 filas

Orden de las filas: venta_id 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(validos) + len(rechazados) == 500
validos['venta_id'].is_unique
(validos['cantidad'] > 0).all()
(validos['ingreso'] > 0).all()
(validos['margen'] >= 0).all()
validos['producto_id'].between(1, 30).all()
validos['cliente_id'].between(1, 40).all()
validos.notna().all().all()
int(validos['atipico'].sum()) == 15
rechazados['venta_id'].is_unique
set(rechazados['motivo']) <= {'ausente', 'fecha_invalida', 'fuera_de_rango', 'huerfano', 'negativo_incoherente'}

Así tiene que quedar