Uma análise completa de vendas

Vamos responder a duas perguntas: quanto faturou cada cidade e qual foi o preço médio por unidade vendida? Temos um CSV com vendas e outra tabela com preços por produto. Os dados abaixo são fictícios e pequenos para poderes verificar cada passo.

Definir as observações

Cada linha de vendas identifica uma venda, com código único, cidade, produto e quantidade. O catálogo tem um preço por produto. Quantidade deve ser positiva e o preço deve ser conhecido antes de calcular a faturação.

A custa 1,50 euros, B custa 1,20 e C custa 2,00. À mão, Porto fatura 6,60 e Braga 15,50. O total é 22,10 euros e há 14 unidades.

Código do princípio ao fim

from io import StringIO
import pandas as pd

csv_vendas = 'venda;cidade;produto;quantidade\n1;Porto;A;2\n2;Porto;B;3\n3;Braga;A;5\n4;Braga;C;4\n'
vendas = pd.read_csv(StringIO(csv_vendas), sep=";", dtype={"produto": "string"})
precos = pd.DataFrame({"produto": ["A", "B", "C"], "preco": [1.5, 1.2, 2.0]})

assert vendas["venda"].is_unique
assert vendas[["cidade", "produto", "quantidade"]].notna().all().all()
assert (vendas["quantidade"] > 0).all()
assert precos["produto"].is_unique

dados = vendas.merge(precos, on="produto", how="left", validate="many_to_one")
assert len(dados) == len(vendas)
assert dados["preco"].notna().all()
dados["total"] = dados["quantidade"] * dados["preco"]

relatorio = dados.groupby("cidade", as_index=False).agg(
    unidades=("quantidade", "sum"),
    faturacao=("total", "sum"),
    vendas=("venda", "size"),
)
relatorio["preco_medio"] = relatorio["faturacao"] / relatorio["unidades"]
assert abs(relatorio["faturacao"].sum() - dados["total"].sum()) < 1e-10
print(relatorio.round(4).to_string(index=False))
print("Faturação total:", round(dados["total"].sum(), 2))
print("Unidades:", dados["quantidade"].sum())
print("Preço médio global:", round(dados["total"].sum() / dados["quantidade"].sum(), 4))

O preço médio por unidade é 1,32 euros no Porto e aproximadamente 1,7222 em Braga. O global é 22,10 / 14, aproximadamente 1,5786 euros. Não calculamos a média das médias das cidades, porque venderam quantidades diferentes.

Por que cada verificação existe

A chave de venda única impede contar o mesmo identificador duas vezes. As colunas essenciais não podem estar ausentes. A quantidade positiva faz parte do contrato deste exemplo; noutro conjunto, quantidades negativas podem representar devoluções e precisam de outra regra.

A chave de produto única evita multiplicar linhas na junção. how="left" conserva as vendas, permitindo detetar produtos sem preço. Só calculamos totais depois de confirmar que todos têm correspondência.

A contagem de linhas deve manter-se na junção muitos-para-um. A soma da faturação dos grupos deve coincidir com a soma antes de agrupar. Estas verificações não provam que os preços reais estão corretos, mas detetam perdas e duplicações no processamento.

Acrescentar uma situação incompleta

Substitui C por D numa das vendas e volta a executar. A verificação dos preços falha antes de produzir o relatório. Para continuar, é preciso consultar o catálogo ou definir uma política para vendas sem preço. Não substituas o preço em falta por zero só para obter uma tabela final.

Duplica a linha de A no catálogo e executa novamente. validate="many_to_one" rejeita a junção. Sem essa verificação, as vendas de A seriam duplicadas e a soma ficaria errada.

Preparar uma resolução de avaliação

Lê o pedido e identifica a unidade de análise. Escreve a chave que identifica cada linha, as colunas de que precisas e o resultado esperado. Depois escolhe seleção, transformação, junção ou agregação conforme a pergunta.

Antes de executar, prevê pelo menos uma célula e o número de linhas do resultado. Depois de executar, confere esse caso e um total que deva conservar-se. Na resposta, inclui o código, o valor obtido e a sua interpretação com unidade. Uma tabela correta sem explicar o que cada linha representa pode não responder à pergunta.