Nivel 7 · Depuración: las unidades del más vendido son demasiado bajas

Count no es sum

Ambas funciones reciben una columna, y ambas devuelven un número por grupo, por eso es fácil confundirlas:

• "count" responde a «¿cuántas filas tienen un valor en esta columna?». Sobre quantity eso es el número de líneas de pedido del producto.
• "sum" responde a «¿a cuánto suman los valores?». Sobre quantity eso es el número de unidades.

Un cliente que compra 6 mantas de lana en un pedido suma 1 al conteo y 6 a la suma. Los clientes de empresa suelen comprar al por mayor, así que en estos datos las dos medidas están muy separadas:

order_items.groupby("product_id").agg(
    lines=("quantity", "count"),
    units=("quantity", "sum"),
).sort_values("units", ascending=False).head(3)

product_id	lines	units
166	1262	2565
193	1339	2545
186	1121	2268

El producto 193, el Delancey Brass Vase, aparece en más líneas, pero el producto 166, la Harbor Wool Knit Throw, vende más unidades. El ranking del starter puso el jarrón primero; los conteos del almacén de Debra dicen otra cosa, y ella tiene razón.

Depurar leyendo los números

El mensaje de Debra contiene dos pistas. El número de un producto es más o menos la mitad de lo que ella envió, y el orden de los dos primeros está cambiado. «Demasiado bajo, más o menos la mitad» encaja con contar líneas cuando la línea promedio tiene unas dos unidades (la cantidad media es 2.0). Antes de editar código, vale la pena preguntarse «¿qué produciría exactamente este número erróneo?». Aquí la respuesta apunta directamente a la función de agregación, y la corrección es una palabra.

Sobre las líneas erróneas

order_items tiene 24 líneas con cantidad 0 o menor, errores de captura de datos que limpiarás en el capítulo 8. El ticket pide que uses las líneas tal como están. Algunas de ellas pertenecen a productos del top diez, así que bajan los totales en una unidad o unas pocas, pero no cambian el ranking.

Errores comunes

• Usar "count" o "size" cuando la pregunta es sobre unidades.
• Sumar unit_price en lugar de quantity.
• Quitar el desempate por product_id, de modo que totales iguales podrían salir en cualquier orden.
• Tomar .head(10) antes de ordenar, lo que devuelve los diez primeros productos por id.