Nivel 8 · Unidades vendidas por etiqueta de producto

Listas dentro de celdas

A veces una celda contiene varios valores: las etiquetas de un producto, las habilidades requeridas de un puesto, las respuestas a una pregunta de “marca todo lo que corresponda”. Guardado en un DataFrame, eso es una columna cuyas celdas son listas. No puedes agrupar ni contar por ella directamente, porque groupby necesita un valor por fila.

explode lo arregla. Da a cada elemento de la lista su propia fila y repite las demás columnas:

df = pd.DataFrame({"product_id": [101, 113], "tags": [["statement", "bestseller"], ["bestseller"]]})
df.explode("tags")
#    product_id        tags
# 0         101   statement
# 0         101  bestseller
# 1         113  bestseller

Las etiquetas del índice se repiten (0, 0, 1), lo que te dice qué filas vinieron de la misma fila original. Añade .reset_index(drop=True) si quieres un 0, 1, 2 limpio. Una lista vacía se convierte en una fila con NaN, y una celda ausente sigue ausente.

Cuando las listas llegan como texto

Los archivos no pueden guardar listas de Python. Un CSV o una exportación de base de datos las escribe como texto, así que tras cargar, la celda es la cadena "['statement', 'bestseller']", con los corchetes y las comillas incluidos. explode trata una cadena como un valor único y la deja como está.

ast.literal_eval (del módulo integrado ast de Python) lee ese texto y recupera el objeto real. Solo acepta literales: listas, dicts, tuplas, números, cadenas, True, False y None. A diferencia de eval, nunca ejecuta código, así que es seguro con datos de un archivo.

import ast
ast.literal_eval("['gift-idea', 'small-space']")   # ['gift-idea', 'small-space'], a list

Aplícalo a la columna, protegiéndote de las celdas ausentes, que no son cadenas:

col.apply(lambda x: ast.literal_eval(x) if isinstance(x, str) else [])

Un ejemplo trabajado: contar etiquetas

Tras convertir y aplicar explode a la exportación de ocho productos, hay 12 filas: una por producto y etiqueta, más una fila NaN para el producto con una lista vacía y otra para el producto con una celda ausente. Contar etiquetas es entonces un value_counts normal:

exploded["tags"].value_counts()
# gift-idea      4
# bestseller     3
# statement      2
# small-space    1

Unir las filas expandidas con order_items por product_id trae todas las líneas de pedido de cada producto, una vez por etiqueta. Un producto con dos etiquetas tiene sus unidades contadas bajo ambas, así que los totales por etiqueta suman más que los productos vendidos. Eso es correcto para “unidades vendidas bajo cada etiqueta”, pero dilo cuando lo informes.

Errores comunes

• Aplicar explode a una columna de texto. La cadena no es una lista, así que explode no cambia nada.
• Llamar a ast.literal_eval sobre una celda ausente, lo que lanza un error. Comprueba isinstance(x, str).
• Usar eval en lugar de ast.literal_eval con datos de un archivo. eval ejecuta cualquier código que contenga el texto.
• Sumar los totales por etiqueta como si fueran un total general: los productos con varias etiquetas se cuentan más de una vez.