Nivel 5 · Gastos de envío en pedidos de iluminación

La pregunta cruza granos

La condición (“contiene un producto de Iluminación”) vive en el nivel de línea: necesitas order_items y products para saberla. La medida (gasto de envío) vive en el nivel de pedido. Mezclar las dos en una sola tabla unida es como ocurre el fan-out del nivel anterior.

La receta segura es:

1. Usa las tablas de nivel línea para encontrar qué pedidos cumplen.
2. Suma la medida de nivel pedido en la tabla orders, solo para esos pedidos.

Paso 1: IDs de pedido que cumplen

lines = order_items.merge(products[["product_id", "category"]], on="product_id")
lighting_ids = lines.loc[lines["category"] == "Lighting", "order_id"].unique()

.unique() convierte “el ID de pedido de cada línea de Iluminación” en una lista de pedidos distintos. Un pedido con dos lámparas aparecería dos veces si no. Para isin no importa estrictamente, ya que isin solo pregunta si un valor está presente, pero quitar duplicados deja clara la intención y te permite comprobar len(lighting_ids) como número de pedidos.

Paso 2: suma en la tabla correcta

mask = (orders["status"] == "completed") & orders["order_id"].isin(lighting_ids)
orders.loc[mask, "shipping_fee"].sum()

Cada pedido aparece una vez en orders, así que cada gasto cuenta una vez. Ese es todo el truco.

La respuesta incorrecta, para comparar

wrong = (
    orders.merge(lines, on="order_id")
    .loc[lambda d: (d["status"] == "completed") & (d["category"] == "Lighting"), "shipping_fee"]
    .sum()
)

Esto cuenta el gasto de un pedido una vez por cada línea de Iluminación que tenga. Un pedido con una lámpara colgante y dos lámparas en líneas separadas se cuenta tres veces. Es una forma muy natural de escribir el código, y por eso es un error tan común. Ejecuta ambas y compara; la diferencia es el tamaño del error.

Otra solución tentadora es drop_duplicates() sobre la tabla unida. Puede funcionar, pero solo si quitas duplicados únicamente por order_id después de seleccionar columnas de nivel pedido. Llamarlo sobre toda la tabla unida no hace nada, porque las columnas de línea hacen distinta cada fila.

Alternativa: agrega primero

También puedes subir la información de línea al grano de pedido y luego unir one-to-one:

has_lighting = (
    lines.assign(is_lighting=lines["category"] == "Lighting")
    .groupby("order_id", as_index=False)
    .agg(has_lighting=("is_lighting", "any"))
)
orders.merge(has_lighting, on="order_id", validate="one_to_one")

Ahora cada pedido tiene una única marca True/False y puede sumarse, filtrarse o agruparse sin riesgo. Es el mejor enfoque cuando quieres varias marcas de nivel pedido a la vez (“tiene iluminación”, “tiene muebles”, “número de líneas”).

Interpretar el resultado

Para responder la pregunta real de Daniel, compara el gasto de envío medio de los pedidos con Iluminación con el medio de los demás pedidos completados. El total por sí solo no puede mostrar si Iluminación empuja los gastos hacia arriba; refleja sobre todo cuántos pedidos de Iluminación hay.

Errores comunes

• Sumar shipping_fee en la tabla unida de nivel línea.
• Olvidar el filtro de estado.
• Quitar duplicados en la tabla equivocada, o por las columnas equivocadas.