Indice / Practicas / EJ-6.2

EJ-6.2 · Discrepancias entre los pares comunes

De los 46 productos que están en los dos catálogos, 18 no dicen lo mismo. La parte difícil no es encontrarlos: es separar dos problemas que parecen uno.

Qué hay que hacer

A partir de los dos catálogos, producir catalogo_discrepancias.csv: una fila por SKU donde las fuentes no coinciden, con los dos valores, la diferencia de precio y qué tipo de problema es.

La trampa, que es de NaN

La forma obvia de comparar es nombre_a != nombre_b. Con esa comparación salen 10 nombres distintos. Con la comparación correcta salen 9.

La diferencia es SKU033: A tiene el nombre y B no. Como NaN != "Artículo 033" da True, la comparación ingenua lo cuenta como una contradicción - y no lo es.

Las dos versiones producen 18 filas. Lo que cambia es qué dice el informe sobre cada una, y eso es lo que alguien va a usar para decidir qué hacer.

Cómo saber si te salió

python comparar.py mi_salida.csv catalogo_discrepancias.csv

Antes de arrancar, mirá los datos

El contrato de salida

catalogo_discrepancias.csv · 18 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(discrepancias) == 18
discrepancias['sku'].is_unique
int(discrepancias['difiere_nombre'].sum()) == 9
int(discrepancias['falta_nombre'].sum()) == 1
int(discrepancias['difiere_precio'].sum()) == 11
(discrepancias[['difiere_nombre', 'falta_nombre', 'difiere_precio']].sum(axis=1) > 0).all()
(discrepancias['difiere_nombre'] & discrepancias['falta_nombre']).eq(0).all()
18 + 28 == 46

Así tiene que quedar