Nivel 5 · ¿Cuánto tarda en llegar una devolución?

Restar fechas

Cuando restas una columna datetime de otra, pandas te da una columna Timedelta: una duración, no una fecha.

r = (
    returns.merge(order_items[["order_item_id", "order_id"]], on="order_item_id")
    .merge(orders[["order_id", "order_date"]], on="order_id")
)
(r["returned_on"] - r["order_date"]).head(2)
# 0   7 days 12:16:24
# 1   5 days 12:47:48

El accesor .dt también funciona con Timedeltas: .dt.days da los días enteros, y .dt.total_seconds() la duración exacta en segundos (divide entre 86.400 para obtener días fraccionarios).

Cuidado con la hora del día

returned_on es una fecha (medianoche), pero order_date es una marca de tiempo con hora. La primera devolución de arriba pertenece a un pedido hecho a las 11:43 del 2 de enero de 2023 y volvió el 10 de enero: “7 days 12:16” después. .dt.days descarta el día parcial y dice 7, pero en el calendario la devolución llegó 8 días después del día del pedido. Para contar días de calendario, pon primero el pedido a medianoche con .dt.normalize():

order_day = r["order_date"].dt.normalize()
r["days"] = (r["returned_on"] - order_day).dt.days
r["days"].mean()   # 16.29 (15.29 without normalize)

Un día entero de diferencia en la media por una llamada a método que falta: comprueba siempre qué tipo de fecha contiene cada columna.

Mover fechas: Timedelta y DateOffset

Para desplazar una fecha una duración fija, suma un pd.Timedelta:

order_day + pd.Timedelta(days=30)    # 30 days later
orders["order_date"] - pd.Timedelta(hours=6)

Para movimientos conscientes del calendario, usa pd.DateOffset: pd.DateOffset(months=1) mueve el 31 de enero al 28 o 29 de febrero, y pd.offsets.MonthEnd(0) lleva una fecha hacia delante hasta el final de su mes. Timedelta es un número fijo de días; DateOffset sigue el calendario. Una “ventana de 30 días” es un Timedelta; “hasta el final del mes que viene” es un DateOffset.

La ventana de devolución por motivo

Cuando cada fila tiene days y un within_30 True/False, una agregación con nombre responde a Angela. La media de una columna booleana es la proporción de valores True:

#          reason  n_returns  avg_days  share_30d
#      wrong_item        255       7.9      1.000
#         damaged        477       8.0      1.000
#    changed_mind        698      22.7      0.711
#            late        243      22.9      0.741

Los artículos dañados y equivocados vuelven en aproximadamente una semana, todos dentro de los 30 días. Las devoluciones por cambio de opinión y por retraso tardan tres semanas de media, y aproximadamente una cuarta parte llega después del día 30. En conjunto, el 84,2 % de las devoluciones cabría en la ventana, así que la política afecta justo a los clientes que cambiaron de opinión.

Errores comunes

• Restar una marca de tiempo con hora del día y leer .dt.days como días de calendario.
• Llamar a .days sobre la columna en lugar de .dt.days (funciona con un Timedelta suelto, no con una Series).
• Sumar un número simple a una fecha (order_day + 30), lo que lanza un TypeError. Envuélvelo en pd.Timedelta(days=30).
• Usar pd.DateOffset(months=1) cuando la regla es realmente un número fijo de días, o al revés.