Indice / Practicas / EJ-6.9

EJ-6.9 · Pedidos diarios con resample

Practica de: 6.6 Series de tiempo 6.2 merge: la clave comunDificultad: A

Una serie diaria a partir de 120 pedidos sueltos. Las dos decisiones que la definen no son técnicas: los días sin ventas aparecen igual, y el pedido de un cliente que no existe se conserva.

Qué hay que hacer

A partir de tienda_pedidos.csv y tienda_clientes.csv, producir pedidos_diarios.csv: una fila por día del período, con la cantidad de pedidos, el total, los clientes distintos y cuántos pedidos venían de un cliente desconocido.

ELI5Explicado facil

Es el parte diario del negocio. Y tiene dos reglas que parecen obvias y que casi nadie escribe:

Un día sin ventas es un día con cero ventas, no un día que no existe. Si lo salteás, el promedio diario sale al doble.
Una venta a alguien que no está en la lista de clientes igual se vendió. Sacarla del total porque no encontraste el nombre es perder plata de verdad en un informe.

Archivos

Entrada · tienda_pedidos.csv (5.2 kB)
Entrada · tienda_clientes.csv (2.1 kB)
Objetivo · pedidos_diarios.csv (4.6 kB, 205 filas)
Herramienta · comparar.py (para verificar tu resultado)

Las dos decisiones

Lo que cambia según qué elijas
Decisión	Si elegís bien	Si elegís mal
Días vacíos	`resample("D")` → 205 filas	`groupby` → 94 filas, y el promedio diario se duplica
Cliente desconocido	`how="left"` → 120 pedidos	`how="inner"` → 119, y falta una venta en el total

Los cuatro programas corren. Solo uno produce el archivo del contrato, y los otros tres dan números que parecen razonables.

Cómo saber si te salió

python comparar.py mi_salida.csv pedidos_diarios.csv

Antes de arrancar, mirá los datos

tienda_pedidos.csv (entrada) · 120 filas, se muestran 5
id	cliente_id	total	creado	estado
101	32	374.94	2026-07-08 22:39:00	preparando
102	37	223.65	2026-04-18 02:08:00	entregado
103	26	605.95	2026-02-22 13:19:00	nuevo
104	25	1743.36	2026-04-04 12:18:00	pagado
105	8	699.82	2026-05-20 01:42:00	pagado

El contrato de salida

`pedidos_diarios.csv` · 205 filas

Columna	Tipo	Que lleva
`fecha`	texto	El dia, en formato AAAA-MM-DD. Estan TODOS los dias del periodo
`pedidos`	entero	Cuantos pedidos hubo ese dia. Puede ser 0
`total`	decimal	Suma de total, redondeada a 2 decimales. 0.00 en los dias sin pedidos
`clientes_distintos`	entero	Cuantos cliente_id distintos compraron ese dia
`pedidos_sin_cliente`	entero	Pedidos cuyo cliente_id no esta en el padron

Orden de las filas: fecha ascendente. Es unica: hay una fila por dia. Indice: no se escribe: to_csv(index=False). El indice temporal se baja con reset_index()

Que hacer con cada defecto

Defecto	Donde	Accion	Adonde va
111 dias del periodo sin ningun pedido	de 205 dias, solo 94 tienen pedidos	aparecen aparecen igual, con pedidos = 0 y total = 0.00. Es lo que hace resample y lo que groupby NO puede hacer	pedidos_diarios.csv
un pedido cuyo cliente_id no esta en el padron	1 fila	NO NO se descarta. El cruce es how='left': la venta existio y tiene que contarse. Se informa en pedidos_sin_cliente	pedidos_diarios.csv
2 pedidos sin total	2 filas	NO NO se descartan: el pedido existio. sum() ignora el ausente, asi que suman 0 al total de su dia pero cuentan en pedidos	pedidos_diarios.csv
1 pedido sin estado	1 fila	NO NO afecta: el estado no participa de este informe	pedidos_diarios.csv

Orden de comprobacion

Una fila puede tener mas de un problema. Se informa solo el primero de esta lista:

convertir creado a fecha
cruzar con clientes usando how='left' y validate='m:1'
marcar los pedidos sin cliente
poner la fecha en el indice y ordenarlo
resample('D') y agregar

El cruce va ANTES del resample: despues de agrupar por dia ya no se puede saber a que cliente pertenecia cada pedido. Y how='left' es la decision central: con inner, el pedido del cliente desconocido desaparece del total del negocio.

Conteos clave

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

pedidos de entrada	120
clientes en el padron	40
pedidos_diarios.csv	205
dias con al menos un pedido	94
dias con 0 pedidos	111
pedidos sin cliente en el padron	1
total general	354824.17
por motivo

Invariantes

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

len(diario) == 205
94 + 111 == 205
diario['fecha'].is_unique
int(diario['pedidos'].sum()) == 120
int(diario['pedidos_sin_cliente'].sum()) == 1
abs(diario['total'].sum() - pedidos['total'].sum()) < 0.01
(diario['clientes_distintos'] <= diario['pedidos']).all()
diario.notna().all().all()

PISTASSi te trabas, abri esto

resample crea los dias vacios; groupby por fecha solo devuelve los 94 que existen. La diferencia son 111 filas.
how='left' conserva el pedido del cliente desconocido. Con inner desaparece del total, y el total del negocio queda mal.
La suma de la columna pedidos tiene que dar 120: es el assert que confirma que ningun pedido se perdio al agrupar.
sum() ignora los totales ausentes. Los 2 pedidos sin total cuentan en pedidos y suman 0 en total, que es lo declarado.

Así tiene que quedar

pedidos_diarios.csv (objetivo) · 205 filas, se muestran 5
fecha	pedidos	total	clientes_distintos
2026-01-01	1	33.97	1
2026-01-02	1	1344.24	1
2026-01-03	0	0.0	0
2026-01-04	1	903.36	1
2026-01-05	0	0.0	0

El cruce va antes del resample

Después de agrupar por día ya no se puede saber a qué cliente pertenecía cada pedido: la información se perdió al agregar. El orden es cruzar, marcar, y recién ahí agrupar.

Y validate="m:1" en el cruce: muchos pedidos contra una fila por cliente. Si el padrón trajera un cliente duplicado, el merge multiplicaría pedidos y el total del día saldría inflado sin ninguna señal.

El assert que cierra el ejercicio

diario["pedidos"].sum() == 120. Si no da, algún pedido se perdió: en el cruce, al convertir la fecha, o al agrupar. Una línea, y cubre los tres.