Nivel 4 · ¿Qué pedidos son inusualmente grandes?

Una regla en lugar de una impresión

“Inusualmente grande” necesita una definición que puedas escribir y repetir. La habitual es la regla de 1,5 × IQR, la misma regla que usa un boxplot para sus bigotes:

• calcula Q1 y Q3, los percentiles 25 y 75;
• el IQR es Q3 - Q1, la dispersión de la mitad central;
• el límite superior es Q3 + 1,5 × IQR, el límite inferior Q1 - 1,5 × IQR;
• los valores más allá de un límite son valores atípicos.

Funciona con datos sesgados como los valores de pedidos porque los cuartiles, a diferencia de la media y la desviación típica, no se ven arrastrados por los extremos que intentan detectar.

En pandas

quantile acepta una lista y devuelve un valor por fracción, que se desempaqueta cómodamente:

q1, q3 = order_value.quantile([0.25, 0.75])   # 87.94, 650.48
iqr = q3 - q1                                    # 562.53
upper = q3 + 1.5 * iqr                           # 1494.27
lower = q1 - 1.5 * iqr                           # negative: no low outliers possible
outliers = order_value[order_value > upper]
len(outliers)                                    # 370

De los 4.295 pedidos completados de 2025, 370 están por encima de $1,494.27, un 8,6 % aproximadamente. Es más de lo que verías en una distribución simétrica, que es otra vez la cola larga a la derecha.

Un boxplot de seaborn de una sola Series muestra lo mismo: sns.boxplot(x=order_value). Cada punto a la derecha del bigote es uno de esos 370 pedidos, y un axvline en el límite hace visible la regla.

Atípico no es lo mismo que erróneo

El siguiente paso es mirar quiénes son los valores atípicos, nunca eliminarlos a primera vista. Unir el segmento muestra que 256 de los 370 vienen de cuentas business, que son aproximadamente una cuarta parte de todos los pedidos. Son inusuales, y son algunos de los pedidos más valiosos de la tienda. Descartarlos recortaría una gran parte de los ingresos de todos los totales.

Lo que hagas depende de la pregunta. Para “¿cómo es un pedido típico?”, informa la mediana, que de todos modos ellos no mueven. Para los ingresos, consérvalos. Para un modelo que ellos desajustarían, límítalos o segméntalos, y anota esa decisión y por qué. Un valor atípico que es un error real, como una cantidad negativa, es un problema de limpieza con su propia regla.

Errores comunes

• Usar quantile(25): quantile recibe fracciones, 0.25 y 0.75.
• Calcular los límites sobre líneas de pedido en lugar de pedidos.
• Descartar valores atípicos sin comprobar qué son.
• Olvidar que el límite inferior existe. Aquí es negativo, así que no marca nada, pero dilo.