Indice / Practicas / EJ-6.4

EJ-6.4 · Tres tablas, validate y huerfanos

Tres tablas: estudiantes, cursos e inscripciones. Hay que juntarlas, apartar las inscripciones que apuntan a alguien que no existe, y encontrar a los que no se anotaron a nada. Con una trampa de clave que rompe el cruce si elegís la columna equivocada.

Qué hay que hacer

Producir tres archivos:

• inscripciones_enriquecidas.csv - las 108 inscripciones válidas con el nombre del estudiante y del curso.
• estudiantes_sin_inscripcion.csv - los 8 que no aparecen en ninguna.
• inscripciones_huerfanas.csv - las 2 que referencian a un estudiante o a un curso que no existe.

La trampa: cuál columna es la clave

El padrón tiene id y legajo, y los dos parecen identificar al estudiante. Solo uno lo hace: el legajo E007 está repetido en dos estudiantes distintos (id 7 y id 8).

Si cruzás por legajo, las 9 inscripciones de esos dos estudiantes se multiplican y el archivo sale con filas de más. El total sigue pareciendo razonable - nadie cuenta 108 a mano - y las notas de esos alumnos aparecen dos veces.

validate="m:1" convierte eso en una excepción antes de que llegue al archivo.

Cómo saber si te salió

python comparar.py mi_enriquecidas.csv inscripciones_enriquecidas.csv
python comparar.py mi_sin.csv estudiantes_sin_inscripcion.csv
python comparar.py mi_huerfanas.csv inscripciones_huerfanas.csv

Antes de arrancar, mirá los datos

El contrato de salida

inscripciones_enriquecidas.csv · 108 filas

Orden de las filas: estudiante_id ASC, curso_id ASC, fila_origen ASC. El par (estudiante, curso) se repite una vez, asi que fila_origen es lo que hace total al orden. Indice: no se escribe: to_csv(index=False)

estudiantes_sin_inscripcion.csv · 8 filas

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

inscripciones_huerfanas.csv · 2 filas

Orden de las filas: fila_origen ascendente. Es unico. 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(enriquecidas) + len(huerfanas) == 110
enriquecidas['fila_origen'].is_unique
huerfanas['fila_origen'].is_unique
42 + 8 == 50
enriquecidas['estudiante_id'].nunique() == 42
enriquecidas['estudiante_id'].isin(estudiantes['id']).all()
enriquecidas['curso_id'].isin(cursos['id']).all()
set(huerfanas['motivo']) == {'huerfano'}
enriquecidas['legajo'].notna().all()

Así tiene que quedar