Nivel 3 · Ingresos por categoría, solo pedidos completados

Tres tablas, una pregunta

“Ingresos por categoría de los pedidos completados” toca tres tablas:

• order_items tiene los ingredientes de los ingresos (cantidad, precio pagado, descuento).
• orders tiene el estado.
• products tiene la categoría.

No hay un único merge que lo haga todo, pero los merges se encadenan de forma natural, una clave cada vez:

items.merge(orders, on="order_id").merge(products, on="product_id")

Calcula antes de unir

Calcula los ingresos de línea en order_items antes de unir con products. Después del merge hay dos columnas unit_price, y es fácil elegir el precio de lista por accidente. El precio de lista de hoy es incorrecto para los ingresos de líneas vendidas antes de la subida de precios de marzo de 2025.

items = order_items.assign(
    line_revenue=order_items["quantity"] * order_items["unit_price"]
    * (1 - order_items["discount_pct"] / 100)
)

Une solo lo que necesitas

Trae solo la clave y las columnas que necesitas de cada tabla. Así el resultado queda estrecho y evitas choques de nombres:

completed_ids = orders.loc[orders["status"] == "completed", ["order_id"]]
merged = (
    items
    .merge(completed_ids, on="order_id", how="inner", validate="many_to_one")
    .merge(products[["product_id", "category"]], on="product_id", how="inner", validate="many_to_one")
)

Fíjate en que el primer merge hace el filtrado. Un join inner con una lista de IDs de pedidos completados conserva solo las líneas de pedidos completados. Es un patrón habitual y limpio: filtrar mediante un join. Podrías hacer lo mismo con items[items["order_id"].isin(completed_ids["order_id"])]; ambos valen.

Cada merge es many-to-one (muchas líneas por pedido, muchas líneas por producto), y validate lo comprueba.

Y luego agrupa

(
    merged.groupby("category", as_index=False)
    .agg(revenue=("line_revenue", "sum"))
    .round({"revenue": 2})
    .sort_values("revenue", ascending=False)
    .reset_index(drop=True)
)

Muebles queda arriba, con Exterior pisándole los talones, aunque todas las categorías tienen el mismo número de productos: los precios altos compensan las menos unidades vendidas. Un seguimiento natural es calcular los ingresos por unidad vendida, o la cuota del total, para ver qué categorías rinden por encima de su peso.

Comprobación contra el total

Los ingresos por categoría deberían sumar el total de ingresos de los pedidos completados:

result["revenue"].sum()
items[items["order_id"].isin(completed_ids["order_id"])]["line_revenue"].sum()

Si el primero es mayor, un merge duplicó filas. Si es menor, un merge descartó algunas. Esta comprobación lleva una línea y es la mejor defensa contra los errores de join.

Errores comunes

• Usar products.unit_price (precio de lista) en lugar del precio pagado en la línea.
• Filtrar por estado después de unir todo orders, y luego olvidar filtrar del todo.
• Unir la tabla orders completa, que trae customer_id, channel y más columnas que no necesitas.