Nivel 8 · Productos que se vendieron en un solo trimestre

Cuatro tipos de merge

how= decide qué claves sobreviven a un merge:

• "inner" (el valor por defecto): solo las claves que están en ambos lados.
• "left": todas las claves de la tabla izquierda, con NaN donde la derecha no tiene pareja.
• "right": la imagen especular, todas las claves de la tabla derecha. a.merge(b, how="right") conserva las mismas filas que b.merge(a, how="left"), solo cambia el orden de las columnas, así que la mayoría de la gente escribe simplemente la versión left.
• "outer": todas las claves de cualquiera de los lados, con NaN donde falta uno de ellos.

Thomas quiere los productos que faltan en cualquiera de los trimestres, así que solo un outer merge conserva todo lo que necesita.

Unidades por trimestre, y luego outer

Primero reduce cada trimestre a una fila por producto. q1[["order_id"]] conserva solo los ids de pedido, así que unir con order_items trae las líneas de los pedidos del T1 y nada más:

q1_units = q1[["order_id"]].merge(order_items, on="order_id").groupby(
    "product_id", as_index=False
).agg(q1_units=("quantity", "sum"))

107 productos se vendieron en el T1 y 111 en el T2. El outer merge da 116 filas:

both = q1_units.merge(q2_units, on="product_id", how="outer", indicator=True)
both["_merge"].value_counts()   # both 102, right_only 9, left_only 5

indicator=True añade la columna _merge, que dice de dónde vino cada fila. Es la forma más fácil de filtrar las filas “solo en un lado”, y además sirve de comprobación: 102 + 9 + 5 = 116.

Leer el resultado

Los cinco productos de solo-T1 incluyen el Sable Oak Daybed, la Elm Cashmere-Blend Area Rug y la Cedar Ceramic Candle, todos descatalogados. Los nueve de solo-T2 incluyen el Rowan Walnut Dresser (lanzado el 2025-04-21) y la Pacifica Black Metal Arc Lamp (2025-04-05), además de huertos urbanos, utensilios de parrilla y maceteros que solo se venden cuando empieza la temporada de exterior. Un producto ausente del T2 muestra NaN en q2_units, no 0: pandas no puede saber si “sin fila” significa cero ventas o datos que faltan, así que deja esa decisión en tus manos.

Errores comunes

• Usar el merge inner por defecto, que descarta justo los productos de un solo lado.
• Unir las líneas de pedido en bruto de los dos trimestres en lugar de totales por producto, lo que multiplica filas.
• Filtrar por q2_units == 0 para encontrar productos ausentes. Lo ausente aparece como NaN, no como 0.
• Olvidar quitar la columna _merge de la tabla final.