Nivel 2 · Costo de envío promedio por canal

Dividir, aplicar, combinar

groupby hace tres cosas en una llamada:

1. Divide las filas en grupos que comparten un valor (un grupo por canal).
2. Aplica un cálculo a cada grupo (el costo de envío medio).
3. Combina las respuestas en una Series o DataFrame nuevo, una fila por grupo.

orders.groupby("channel")["shipping_fee"].mean()

channel
app            ...
marketplace    ...
web            ...
Name: shipping_fee, dtype: float64

Léelo de izquierda a derecha: agrupa los pedidos por canal, toma la columna shipping_fee y promédiala. Las claves del grupo se convierten en el índice del resultado, ordenado de la A a la Z por defecto.

Agregaciones comunes

método	por grupo
.sum()	total
.mean() / .median()	promedio / valor central
.min() / .max()	extremos
.count()	valores que no faltan en la columna
.size()	filas, falten valores o no
.nunique()	valores distintos

count y size se parecen pero responden a preguntas distintas:

orders.groupby("channel")["coupon_code"].count()   # orders WITH a coupon, per channel
orders.groupby("channel").size()                    # all orders, per channel

count omite los valores que faltan, así que es un conteo de cupones usados. size cuenta filas. Confundirlos produce números que parecen plausibles y son erróneos, que es lo peor.

¿Series o DataFrame?

Seleccionar una columna después de groupby da una Series indexada por el grupo. Para obtener una tabla normal de dos columnas, que suele ser lo que quieres para mostrar, unir o exportar, usa reset_index() o as_index=False:

orders.groupby("channel")["shipping_fee"].mean().reset_index()
orders.groupby("channel", as_index=False)["shipping_fee"].mean()

Ambas dan un DataFrame con las columnas channel y shipping_fee.

Leer el resultado

El costo de envío medio por canal mezcla pedidos con envío gratis (costo 0) con pedidos de pago. Es una respuesta justa a «¿cuánto aporta el envío por pedido?», pero no a «¿qué paga la gente cuando paga?». Para la segunda pregunta, filtra primero:

paid = orders[orders["shipping_fee"] > 0]
paid.groupby("channel")["shipping_fee"].mean()

El mismo código, filas distintas, significado distinto. Pregúntate siempre sobre qué población trata la pregunta antes de agrupar.

Ordenar la salida

El resultado está ordenado por la clave del grupo. Para ordenar los grupos por el valor, ordena después: .sort_values(ascending=False).

Errores comunes

• Olvidar elegir una columna: orders.groupby("channel").mean() intenta promediar todas las columnas y falla con las de texto en pandas 2. Elige lo que necesitas, o pasa numeric_only=True.
• Usar count() cuando quieres decir «número de filas».
• Comparar promedios sin los tamaños de grupo. Un canal con pocos pedidos puede tener una media extrema por azar; muestra size() al lado.