Indice / Practicas / EJ-6.1

EJ-6.1 · Catalogo unificado de dos sistemas

Dos sistemas venden los mismos productos y ninguno tiene el catálogo completo. Se superponen a medias, cada uno trae sus propios duplicados, y en 18 productos dicen cosas distintas. Hay que producir un solo catálogo.

Qué hay que hacer

A partir de catalogo_sistema_a.csv y catalogo_sistema_b.csv, producir catalogo_unificado.csv: una fila por SKU, con los datos de la versión más reciente, de qué fuente vino y si hubo conflicto.

Los tres problemas, en orden

1. Duplicados dentro de cada catálogo. A tiene 62 filas para 60 SKU; B tiene 57 para 56. Hay que resolverlo antes de cruzar: después del merge ya no se distingue un duplicado de origen de una fila multiplicada por el cruce.
2. Superposición parcial. 46 SKU están en las dos fuentes, 14 solo en A y 10 solo en B. Un inner perdería 24 productos.
3. Contradicciones. De los 46 comunes, 18 tienen el nombre o el precio distinto. El merge los trae todos y no resuelve ninguno.

La política, que la fija el contrato

Cuando las dos fuentes discrepan, gana la versión con actualizado más reciente, y si las dos fechas empatan, gana A. Con esos datos, B gana 34 veces, A gana 10, y hay 1 empate.

No es la única política posible - podría ganar siempre A, o podría no resolverse y solo informarse - pero es la que está escrita. Ese es el punto: elegir la fuente ganadora es una decisión de negocio, no un detalle técnico, y cambiarla produce otro archivo.

Cómo saber si te salió

python comparar.py mi_salida.csv catalogo_unificado.csv

Antes de arrancar, mirá los datos

El contrato de salida

catalogo_unificado.csv · 70 filas

Orden de las filas: sku ascendente. Es unico en la salida, asi que no hace falta desempate. 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(unificado) == 70
unificado['sku'].is_unique
46 + 14 + 10 == 70
int((unificado['fuente'] == 'ambos').sum()) == 46
int(unificado['conflicto'].sum()) == 18
unificado.loc[unificado['fuente'] != 'ambos', 'conflicto'].eq(0).all()
set(unificado['fuente']) == {'a', 'b', 'ambos'}
set(unificado['sku']) == set(a['sku']) | set(b['sku'])

Así tiene que quedar