Nivel 2 · Mide la tasa de devolución en pandas

Qué estás revisando, y por qué

Antes de calcular una tasa, mira a qué pertenecen las devoluciones. Cada fila de devolución apunta a una línea de pedido, y cada línea pertenece a un pedido con un estado. Si las devoluciones se comportan de forma muy distinta según el estado, una sola tasa para todo lo ocultaría.

La forma más rápida de marcar las líneas devueltas es isin, que da un True o False por línea:

lines["returned"] = lines["order_item_id"].isin(returns["order_item_id"])

Sumar una columna booleana cuenta los valores True, así que ("returned", "sum") en una agregación con nombre es el número de líneas devueltas. El resultado del paso 1 muestra los pedidos reembolsados en 96.6% y los completados en 3.3%: dos procesos distintos, y por eso el resto del caso usa solo pedidos completados.

La tasa y el dinero

El paso 2 también necesita el importe del reembolso, así que une returns con how="left". Cada línea vendida se conserva; las líneas devueltas reciben su refund_amount, las demás reciben NaN. Dos agregaciones hacen entonces el conteo por ti:

• ("order_item_id", "size") cuenta todas las líneas, el denominador;
• ("refund_amount", "count") cuenta los valores no faltantes, las líneas devueltas.

De la misma tabla salen la tasa de devolución, que le dice a Atención al Cliente dónde está el trabajo, y la proporción de reembolso, los reembolsos divididos entre las ventas netas, que le dice a Finanzas adónde va el dinero. Calcula ambos porcentajes con las sumas sin redondear y redondea al final.

Motivos como columnas

El paso 3 parte de returns, ya que solo las líneas devueltas tienen un motivo. pd.crosstab cuenta cada par de categoría y motivo, y normalize="index" convierte cada fila en proporciones de esa fila:

shares = pd.crosstab(r["category"], r["reason"], normalize="index") * 100

Cada fila suma entonces 100%, la versión en pandas de dividir entre el COUNT(*) de la propia categoría.

Cómo leer el resultado

category	return_rate_pct	refund_share_pct	motivo principal
Textiles	4.7	5.1	changed_mind 57.9%
Furniture	4.4	4.7	damaged 46.0%
Lighting	3.8	4.3	damaged 38.3%
Kitchen	2.0	2.5	changed_mind 40.6%

Aparecen dos problemas distintos. Textiles regresa porque los clientes cambian de opinión: el color, el tacto o la talla no son los esperados. Furniture y Lighting regresan rotos. Esos casos necesitan soluciones diferentes.

Errores comunes

• merge es un JOIN interno a menos que digas how="left"; con returns eso descarta sin avisar toda línea que no se devolvió.
• "count" omite los NaN y "size" no; confundirlos da una tasa de 100% o de 0%.
• Algunos reembolsos por cambio de opinión en Furniture y Outdoor son 15% menores que el valor de la línea: un cargo por reposición. Compara los reembolsos con las ventas, no con los valores de las líneas devueltas, cuando hables del dinero perdido.