Nivel 4 · ¿Qué día de la semana vende más?

Las fechas no son texto

Una fecha guardada como texto, '2025-03-14 19:02:11', no puede decirte su día de la semana, no se puede comparar con seguridad y solo se ordena bien por suerte del formato. Conviértela a un datetime real:

pd.to_datetime(orders["order_date"])

En este juego las columnas de fecha se interpretaron al cargar las tablas, así que order_date ya tiene dtype datetime64[ns], y pd.to_datetime simplemente la devuelve sin cambios. En el trabajo, un pd.read_csv normal te da texto, así que convertir suele ser la primera línea de cualquier trabajo con fechas. Puedes hacerlo al cargar con pd.read_csv(path, parse_dates=["order_date"]).

Cuando algunos valores están mal formados, errors="coerce" los convierte en NaT en lugar de fallar, y una cadena format= hace el análisis estricto y rápido:

pd.to_datetime(raw_dates, format="%Y-%m-%d", errors="coerce")

Luego cuenta los valores NaT para ver cuántas fechas no se interpretaron. Forzar en silencio y seguir adelante oculta problemas de datos.

El accesor .dt

Las columnas datetime tienen un accesor .dt, como .str para el texto:

d = orders["order_date"]
d.dt.year             # 2025
d.dt.month            # 3
d.dt.day_name()       # 'Friday'
d.dt.dayofweek        # 0 = Monday ... 6 = Sunday
d.dt.hour             # 19
d.dt.date             # the date part only
d.dt.to_period("M")   # 2025-03, a monthly period
d.dt.strftime("%Y-%m")   # '2025-03' as text

Filtrar por fecha funciona con comparaciones y between, y pandas acepta cadenas de fecha al otro lado:

orders[orders["order_date"] >= "2025-01-01"]
orders[orders["order_date"].dt.year == 2025]

Ordenar los días en orden de calendario

Los nombres de los días se ordenan alfabéticamente (Friday, Monday, Saturday…), lo que nadie quiere en un gráfico. Agrupa también por el número del día y ordena por él:

(
    in_2025.assign(day_num=d.dt.dayofweek, weekday=d.dt.day_name())
    .groupby(["day_num", "weekday"], as_index=False)
    .agg(n_orders=("order_id", "count"))
    .sort_values("day_num")[["weekday", "n_orders"]]
)

Una alternativa es una categórica ordenada: pd.Categorical(names, categories=["Monday", ..., "Sunday"], ordered=True), que también ordena correctamente en los gráficos.

Otros arreglos de tipo

Las fechas son el problema de tipo más común, pero no el único:

pd.to_numeric(raw_prices, errors="coerce")          # text to numbers, bad values to NaN
web_sessions["customer_id"].astype("Int64")         # float IDs back to integers, keeping missing
products["is_active"].astype(int)                   # True/False to 1/0

Int64 (con I mayúscula) es el tipo entero con valores nulos de pandas. astype(int) normal falla en una columna con valores ausentes, por eso web_sessions.customer_id se carga como float desde el principio.

Leer el resultado

Los días de fin de semana salen por delante en Harbor & Pine, lo que encaja con una tienda de artículos para el hogar: la gente mira muebles y decoración cuando tiene tiempo. Antes de actuar, comprueba si el patrón se mantiene también en 2023 y 2024, y si lo impulsan unos pocos fines de semana de grandes rebajas como el Black Friday. Un año de recuentos por día de la semana es una pista, no una ley.

Errores comunes

• Ordenar por el nombre del día y obtener el viernes primero.
• Comparar fechas guardadas como texto con fechas como datetimes.
• Usar errors="coerce" y no contar nunca cuántos valores se convirtieron en NaT.