Resume datos CSV a nivel de pedido por mes con pandas y después concilia los recuentos, unidades e importes agrupados con la fuente. Un pequeño ejemplo sintético permite verificar manualmente todos los resultados esperados.
La traducción se ha realizado con IA. Comprueba el código, las unidades y los valores junto con el original. La revisión por hablantes nativos de cada idioma aún no se ha completado. English
Para quién esEsta guía está dirigida a personas que necesitan un resumen CSV mensual repetible y quieren comprobaciones explícitas de que la agregación no perdió registros.
Este ejemplo genera una fila por calendar month con tres medidas: order count, total units y total amount. La fuente sintética utiliza una fila por order, por lo que contar filas equivale a contar orders en este dataset concreto.
El paso importante es la reconciliation. Después de groupby, los valores mensuales se vuelven a sumar y se comparan con los source totals. Un summary puede parecer razonable incluso cuando algunas rows se filtraron, duplicaron o eliminaron accidentalmente.
El dataset siguiente es sintético y fue creado específicamente para este artículo. Guárdalo como monthly_orders.csv. Contiene siete orders entre enero, febrero y marzo de 2026.
order_id,order_date,team,units,amount
O001,2026-01-05,North,2,40
O002,2026-01-20,South,3,60
O003,2026-02-02,North,1,25
O004,2026-02-18,South,4,100
O005,2026-02-28,North,2,50
O006,2026-03-03,South,5,125
O007,2026-03-15,North,1,30
Los source totals son lo bastante sencillos como para comprobarlos manualmente. Hay 7 orders. Units suman 18: 2 + 3 + 1 + 4 + 2 + 5 + 1. Amount suma 430: 40 + 60 + 25 + 100 + 50 + 125 + 30.
| Medida | Total de origen |
|---|---|
| Orders | 7 |
| Units | 18 |
| Amount | 430 |
Enero contiene O001 y O002. Febrero contiene O003, O004 y O005. Marzo contiene O006 y O007. Al sumar cada group se obtiene la tabla mensual esperada.
| month | orders | units | amount |
|---|---|---|---|
| 2026-01 | 2 | 5 | 100 |
| 2026-02 | 3 | 7 | 175 |
| 2026-03 | 2 | 6 | 155 |
Los monthly totals concilian con la fuente: 2 + 3 + 2 = 7 orders, 5 + 7 + 6 = 18 units y 100 + 175 + 155 = 430 amount.
Guarda el script siguiente como monthly_summary_pandas.py. Valida las required columns, rechaza order IDs ausentes o duplicados, interpreta las fechas con un único formato explícito, convierte las numeric columns, agrupa por month, concilia los totals y escribe el resultado únicamente después de superar esas comprobaciones.
from pathlib import Path
import pandas as pd
SOURCE = Path("monthly_orders.csv")
OUTPUT_DIR = Path("outputs") / "monthly_summary_result"
OUTPUT = OUTPUT_DIR / "monthly_summary.csv"
REQUIRED = ["order_id", "order_date", "units", "amount"]
def main() -> None:
if not SOURCE.is_file():
raise FileNotFoundError(f"Source CSV not found: {SOURCE}")
if OUTPUT_DIR.exists():
raise FileExistsError(f"Output folder already exists: {OUTPUT_DIR}")
data = pd.read_csv(SOURCE, dtype={"order_id": "string"})
missing = [name for name in REQUIRED if name not in data.columns]
if missing:
raise ValueError(f"Missing required columns: {missing}")
if data.empty:
raise ValueError("Source CSV contains no data rows.")
if data[REQUIRED].isna().any().any():
raise ValueError("A required field contains a missing value.")
if data["order_id"].str.strip().eq("").any():
raise ValueError("order_id contains a blank value.")
if data["order_id"].duplicated().any():
raise ValueError("Duplicate order_id found.")
data["order_date"] = pd.to_datetime(
data["order_date"], format="%Y-%m-%d", errors="raise"
)
data["units"] = pd.to_numeric(data["units"], errors="raise")
data["amount"] = pd.to_numeric(data["amount"], errors="raise")
data["month"] = data["order_date"].dt.to_period("M").astype(str)
summary = (
data.groupby("month", as_index=False, sort=True)
.agg(
orders=("order_id", "count"),
units=("units", "sum"),
amount=("amount", "sum"),
)
)
source_totals = (len(data), data["units"].sum(), data["amount"].sum())
summary_totals = (
summary["orders"].sum(),
summary["units"].sum(),
summary["amount"].sum(),
)
if summary_totals != source_totals:
raise RuntimeError("Monthly totals do not reconcile with the source.")
OUTPUT_DIR.parent.mkdir(parents=True, exist_ok=True)
OUTPUT_DIR.mkdir()
summary.to_csv(OUTPUT, index=False)
check = pd.read_csv(OUTPUT)
if check.to_dict("records") != summary.to_dict("records"):
raise RuntimeError("Saved CSV does not match the calculated summary.")
print(f"Source rows: {len(data)}.")
print(f"Months: {len(summary)}.")
print(f"Verified totals: units={source_totals[1]}, amount={source_totals[2]}.")
print(f"Output: {OUTPUT.as_posix()}")
if __name__ == "__main__":
main()
python monthly_summary_pandas.pyLa salida debería contener tres data rows ordenadas por month. El contenido esperado del CSV se muestra a continuación.
month,orders,units,amount
2026-01,2,5,100
2026-02,3,7,175
2026-03,2,6,155
La salida de consola esperada que aparece a continuación se obtuvo manualmente a partir de los datos sintéticos y del código. No es un execution log capturado.
Source rows: 7.
Months: 3.
Verified totals: units=18, amount=430.
Output: outputs/monthly_summary_result/monthly_summary.csv| Síntoma | Qué comprobar |
|---|---|
| ModuleNotFoundError for pandas | Instala pandas en el mismo Python environment con python -m pip install pandas. |
| Missing required columns | Comprueba el CSV header antes de cambiar el expected schema. |
| Date parsing error | Confirma que cada order_date utilice YYYY-MM-DD. |
| Numeric conversion error | Inspecciona units y amount para detectar text, currency symbols o separators que requieran una cleanup rule explícita. |
| Duplicate order_id found | Determina si el ID repetido es un accidental duplicate o representa un data model diferente. |
| FileExistsError | Revisa el resultado anterior y utiliza una output folder nueva en lugar de sobrescribirlo. |
Que coincidan los grand totals no demuestra que todos los months sean correctos, porque dos errores mensuales pueden compensarse entre sí. Para reports importantes, inspecciona también varias source rows conocidas y month-level subtotals.
El ejemplo supone una fila por order e importes enteros. Si un order ocupa varias line-item rows, utiliza una rule como order_id.nunique() en lugar de row count. Los monetary data reales también pueden necesitar fixed-point integer units o procesamiento basado en Decimal en lugar de ordinary floating-point arithmetic.
Month se deriva directamente de una date sin time-zone handling. Si los datos reales contienen timestamps de varias zones, define la business time zone antes de agrupar. Refunds, cancellations, filters y missing records también necesitan business rules explícitas; la arithmetic reconciliation por sí sola no puede determinar si esas rows deben incluirse en el report.
2026-09-20 · ejemplo revisado manualmente · objetivo: Python 3.12 · se requiere pandas · sin ejecución
Las explicaciones y los ejemplos son de elaboración propia. Puedes consultar los comportamientos y conceptos relacionados en las siguientes fuentes oficiales.