Nivel 2 · Revisa y compara la subida de precios en pandas

Qué estás revisando, y por qué

Antes de comparar nada, demuestra que estás mirando los productos correctos y la fecha correcta. Thomas dice «unos 30 productos, 1 de marzo». Los datos pueden confirmar ambas cosas, porque order_items guarda el precio pagado en cada línea, mientras que products["unit_price"] solo guarda el precio de lista de hoy.

Un producto cuyo precio cambió tiene dos precios distintos entre sus líneas de pedido. La agregación con nombre da ambos en una sola pasada, y una máscara booleana conserva los productos donde difieren:

prices = order_items.groupby("product_id", as_index=False).agg(
    old_price=("unit_price", "min"), new_price=("unit_price", "max")
)
prices = prices[prices["old_price"] != prices["new_price"]]
len(prices)   # 29

El paso 1 etiqueta entonces cada una de sus líneas dos veces, por fecha y por precio, con np.where, y cuenta las combinaciones. Si el cambio ocurrió limpiamente el 1 de marzo, solo existen dos combinaciones: antes con el precio viejo, después con el nuevo.

En igualdad de condiciones, con un grupo de control

El paso 2 responde la pregunta acordada. Tres decisiones hacen justa la comparación:

• Los mismos meses, con un año de diferencia. De marzo a agosto de 2025 frente a marzo a agosto de 2024.
• Productos en igualdad de condiciones. Solo los productos lanzados antes del 1 de enero de 2024, para que todos estuvieran a la venta durante ambas ventanas completas.
• Un grupo de control. Todos los demás productos se etiquetan como unchanged. Su crecimiento es lo que la tienda hizo de todos modos.

isin etiqueta los grupos en una línea, y pivot_table pone cada año en su propia columna, la versión en pandas de SUM(CASE WHEN ...):

lines["price_group"] = np.where(lines["product_id"].isin(raised), "raised", "unchanged")
u = lines.pivot_table(index="price_group", columns="yr", values="quantity", aggfunc="sum")

Las columnas de u son los años como enteros, así que u[2025] - u[2024] resta fila por fila. Calcula los porcentajes con estos totales sin redondear y redondea al final.

Cómo leer el resultado

price_group	units_change_pct	revenue_change_pct
raised	21.0	44.3
unchanged	9.2	13.4

Si la subida hubiera dañado la demanda, los productos con precio más alto crecerían menos que los que no cambiaron. Crecieron más. Los ingresos crecieron más rápido que las unidades porque cada unidad dejó cerca de 6% más y porque las ventas se desplazaron hacia los artículos más caros del grupo.

Errores comunes

• Filtra con < sobre el día siguiente al final de la ventana: d < "2025-09-01" conserva todo el 31 de agosto.
• Olvidar .copy() después de filtrar y luego añadir columnas produce un SettingWithCopyWarning.
• pivot_table ordena su índice, así que el resultado ya está en el orden de price_group; el sort_values explícito convierte eso en una promesa en lugar de una coincidencia.