def test_waterfall_not_implemented(sample_data):
""" It should raise Error for not implemented features """
kwargs = {
'upperGroup': {'id': 'category_id', 'label': 'category_name'},
'insideGroup': {'id': 'product_id', 'groupsOrder': 'ord'},
'date': 'date',
'value': 'played',
'start': {'label': 'Trimestre 1', 'id': 't1'},
'end': {'label': 'Trimester 2', 'id': 't2'},
'breakdown': ['id']
}
df = pd.DataFrame(sample_data)
with pytest.raises(NotImplementedError) as exc_info:
waterfall(df, **kwargs)
assert str(exc_info.value) == 'We will add breakdown support ' \
'on your request, please contact the devs'
kwargs = {
'upperGroup': {'id': 'category_id', 'label': 'category_name'},
'date': 'date',
'value': 'played',
'start': {'label': 'Trimestre 1', 'id': 't1'},
'end': {'label': 'Trimester 2', 'id': 't2'},
}
df = pd.DataFrame(sample_data)
with pytest.raises(NotImplementedError) as exc_info:
waterfall(df, **kwargs)
assert str(exc_info.value) == 'We will add support for upperGroup only ' \
'on you request, please contact the devs'
def test_waterfall_null():
kwargs = {
'upperGroup': {
'id': 'category_id',
'label': 'category_name'
},
'insideGroup': {
'id': 'product_id',
'groupsOrder': 'ord'
},
'date': 'date',
'value': 'played',
'start': {
'label': 'Trimestre 1',
'id': 't1'
},
'end': {
'label': 'Trimester 2',
'id': 't2'
},
}
data = None
df = pd.DataFrame(data)
df = waterfall(df, **kwargs)
wa = [{k: v for k, v in zip(df.columns, row)} for row in df.values]
assert wa == []
def test_waterfall_upperGroup_groupsOrder(sample_data):
for line in sample_data:
line['category_order'] = len(line['category_name'])
del line['ord']
kwargs = {
'upperGroup': {
'id': 'category_id',
'label': 'category_name',
'groupsOrder': 'category_order'
},
'insideGroup': {
'id': 'product_id'
},
'date': 'date',
'value': 'played',
'start': {'label': 'Trimestre 1', 'id': 't1'},
'end': {'label': 'Trimester 2', 'id': 't2'},
}
expected = [
{'variation': nan, 'label': 'Trimestre 1', 'value': 14.0, 'groups': nan, 'type': nan,
'order': nan},
{'variation': inf, 'label': 'Tom', 'value': 1.0, 'groups': 'tom', 'type': 'parent',
'order': 3.0},
{'variation': inf, 'label': 'bom', 'value': 1.0, 'groups': 'tom', 'type': 'child',
'order': nan},
{'variation': -0.23076923076923078, 'label': 'Clap', 'value': -3.0, 'groups': 'clap',
'type': 'parent', 'order': 4.0},
{'variation': -1.0, 'label': 'clap clap', 'value': -1.0, 'groups': 'clap',
'type': 'child', 'order': nan},
{'variation': -0.16666666666666666, 'label': 'super clap', 'value': -2.0,
'groups': 'clap', 'type': 'child', 'order': nan},
{'variation': 99.0, 'label': 'Snare', 'value': 99.0, 'groups': 'snare',
'type': 'parent', 'order': 5.0},
{'variation': 99.0, 'label': 'tac', 'value': 99.0, 'groups': 'snare', 'type': 'child',
'order': nan},
{'variation': nan, 'label': 'Trimester 2', 'value': 111.0, 'groups': nan, 'type': nan,
'order': nan}
]
df = pd.DataFrame(sample_data)
df = waterfall(df, **kwargs)
wa = [{k: v for k, v in zip(df.columns, row)} for row in df.values]
assert wa[0].keys() == expected[0].keys()
for i in range(len(expected)):
testing.assert_equal(wa[i], expected[i])
def test_waterfall_no_value_start():
kwargs = {
'upperGroup': {'id': 'category_id', 'label': 'category_name'},
'insideGroup': {'id': 'product_id', 'groupsOrder': 'ord'},
'date': 'date',
'value': 'played',
'start': {'label': 'Trimestre 1', 'id': 't1'},
'end': {'label': 'Trimester 2', 'id': 't2'},
}
data = [
{'ord': 1, 'category_name': 'Clap', 'category_id': 'clap',
'product_id': 'super clap', 'date': 't2', 'played': 10},
{'ord': 1, 'category_name': 'Snare', 'category_id': 'snare',
'product_id': 'tac', 'date': 't2', 'played': 100},
{'ord': 1, 'category_name': 'Tom', 'category_id': 'tom',
'product_id': 'bom', 'date': 't2', 'played': 1}
]
expected = [
{'variation': nan, 'label': 'Trimestre 1', 'value': 0, 'groups': nan, 'type': nan,
'order': nan},
{'variation': inf, 'label': 'Clap', 'value': 10, 'groups': 'clap', 'type': 'parent',
'order': nan},
{'variation': inf, 'label': 'super clap', 'value': 10, 'groups': 'clap',
'type': 'child', 'order': 1.0},
{'variation': inf, 'label': 'Snare', 'value': 100.0, 'groups': 'snare',
'type': 'parent', 'order': nan},
{'variation': inf, 'label': 'tac', 'value': 100.0, 'groups': 'snare', 'type': 'child',
'order': 1.0},
{'variation': inf, 'label': 'Tom', 'value': 1.0, 'groups': 'tom', 'type': 'parent',
'order': nan},
{'variation': inf, 'label': 'bom', 'value': 1.0, 'groups': 'tom', 'type': 'child',
'order': 1.0},
{'variation': nan, 'label': 'Trimester 2', 'value': 111.0, 'groups': nan, 'type': nan,
'order': nan}
]
df = pd.DataFrame(data)
df = waterfall(df, **kwargs)
wa = [{k: v for k, v in zip(df.columns, row)} for row in df.values]
assert wa[0].keys() == expected[0].keys()
for i in range(len(expected)):
testing.assert_equal(wa[i], expected[i])
def test_waterfall_upperGroup_only(sample_data):
kwargs = {
'upperGroup': {
'id': 'product_id',
'groupsOrder': 'ord'
},
'date': 'date',
'value': 'played',
'start': {
'label': 'Trimestre 1',
'id': 't1'
},
'end': {
'label': 'Trimester 2',
'id': 't2'
},
}
expected = [{
'variation': nan,
'label': 'Trimestre 1',
'value': 14.0,
'groups': 'Trimestre 1',
'type': nan,
'order': nan
}, {
'variation': inf,
'label': 'bom',
'value': 1.0,
'groups': 'bom',
'type': 'parent',
'order': 1
}, {
'variation': -0.16666666666666666,
'label': 'super clap',
'value': -2.0,
'groups': 'super clap',
'type': 'parent',
'order': 1
}, {
'variation': 99.0,
'label': 'tac',
'value': 99.0,
'groups': 'tac',
'type': 'parent',
'order': 1
}, {
'variation': -1.000000,
'label': 'clap clap',
'value': -1.0,
'groups': 'clap clap',
'type': 'parent',
'order': 10
}, {
'variation': nan,
'label': 'Trimester 2',
'value': 111.0,
'groups': 'Trimester 2',
'type': nan,
'order': nan
}]
df = pd.DataFrame(sample_data)
df = waterfall(df, **kwargs)
wa = [{k: v for k, v in zip(df.columns, row)} for row in df.values]
assert wa[0].keys() == expected[0].keys()
for i in range(len(expected)):
testing.assert_equal(wa[i], expected[i])
def test_waterfall_filter_two_col(sample_filter_data):
""" It should return value for waterfall """
kwargs = {
'upperGroup': {'id': 'product_id', 'groupsOrder': 'ord'},
'filters': ['filterA', 'filterB'],
'date': 'date',
'value': 'played',
'start': {'label': 'Trimestre 1', 'id': 't1'},
'end': {'label': 'Trimester 2', 'id': 't2'},
}
expected = [
# mickey - dodo
{
'groups': 'Trimestre 1',
'label': 'Trimestre 1',
'type': nan,
'value': 30.0,
'variation': nan,
'order': nan,
'filterA': 'mickey',
'filterB': 'dodo',
},
{
'groups': 'bom',
'label': 'bom',
'type': 'parent',
'value': 50.0,
'variation': inf,
'order': 1.0,
'filterA': 'mickey',
'filterB': 'dodo',
},
{
'groups': 'super clap',
'label': 'super clap',
'type': 'parent',
'value': 2.0,
'variation': 0.13333333333333333,
'order': 1.0,
'filterA': 'mickey',
'filterB': 'dodo',
},
{
'groups': 'tac',
'label': 'tac',
'type': 'parent',
'value': 10.0,
'variation': 1.0,
'order': 1.0,
'filterA': 'mickey',
'filterB': 'dodo',
},
{
'groups': 'clap clap',
'label': 'clap clap',
'type': 'parent',
'value': -5.0,
'variation': -1.0,
'order': 10.0,
'filterA': 'mickey',
'filterB': 'dodo',
},
{
'groups': 'Trimester 2',
'label': 'Trimester 2',
'type': nan,
'value': 87.0,
'variation': nan,
'order': nan,
'filterA': 'mickey',
'filterB': 'dodo',
},
# donald - dodo
{
'groups': 'Trimestre 1',
'label': 'Trimestre 1',
'type': nan,
'value': 14.0,
'variation': nan,
'order': nan,
'filterA': 'donald',
'filterB': 'dodo',
},
{
'groups': 'bom',
'label': 'bom',
'type': 'parent',
'value': 1.0,
'variation': inf,
'order': 1.0,
'filterA': 'donald',
'filterB': 'dodo',
},
{
'groups': 'super clap',
'label': 'super clap',
'type': 'parent',
'value': -2.0,
'variation': -0.16666666666666666,
'order': 1.0,
'filterA': 'donald',
'filterB': 'dodo',
},
{
'groups': 'tac',
'label': 'tac',
'type': 'parent',
'value': 99.0,
'variation': 99.0,
'order': 1.0,
'filterA': 'donald',
'filterB': 'dodo',
},
{
'groups': 'clap clap',
'label': 'clap clap',
'type': 'parent',
'value': -1.0,
'variation': -1.0,
'order': 10.0,
'filterA': 'donald',
'filterB': 'dodo',
},
{
'groups': 'Trimester 2',
'label': 'Trimester 2',
'type': nan,
'value': 111.0,
'variation': nan,
'order': nan,
'filterA': 'donald',
'filterB': 'dodo',
},
# mickey - dada
{
'groups': 'Trimestre 1',
'label': 'Trimestre 1',
'type': nan,
'value': 30.0,
'variation': nan,
'order': nan,
'filterA': 'mickey',
'filterB': 'dada',
},
{
'groups': 'bom',
'label': 'bom',
'type': 'parent',
'value': 50.0,
'variation': inf,
'order': 1.0,
'filterA': 'mickey',
'filterB': 'dada',
},
{
'groups': 'super clap',
'label': 'super clap',
'type': 'parent',
'value': 2.0,
'variation': 0.13333333333333333,
'order': 1.0,
'filterA': 'mickey',
'filterB': 'dada',
},
{
'groups': 'tac',
'label': 'tac',
'type': 'parent',
'value': 10.0,
'variation': 1.0,
'order': 1.0,
'filterA': 'mickey',
'filterB': 'dada',
},
{
'groups': 'clap clap',
'label': 'clap clap',
'type': 'parent',
'value': -5.0,
'variation': -1.0,
'order': 10.0,
'filterA': 'mickey',
'filterB': 'dada',
},
{
'groups': 'Trimester 2',
'label': 'Trimester 2',
'type': nan,
'value': 87.0,
'variation': nan,
'order': nan,
'filterA': 'mickey',
'filterB': 'dada',
},
# donald - dada
{
'groups': 'Trimestre 1',
'label': 'Trimestre 1',
'type': nan,
'value': 14.0,
'variation': nan,
'order': nan,
'filterA': 'donald',
'filterB': 'dada',
},
{
'groups': 'bom',
'label': 'bom',
'type': 'parent',
'value': 1.0,
'variation': inf,
'order': 1.0,
'filterA': 'donald',
'filterB': 'dada',
},
{
'groups': 'super clap',
'label': 'super clap',
'type': 'parent',
'value': -2.0,
'variation': -0.16666666666666666,
'order': 1.0,
'filterA': 'donald',
'filterB': 'dada',
},
{
'groups': 'tac',
'label': 'tac',
'type': 'parent',
'value': 99.0,
'variation': 99.0,
'order': 1.0,
'filterA': 'donald',
'filterB': 'dada',
},
{
'groups': 'clap clap',
'label': 'clap clap',
'type': 'parent',
'value': -1.0,
'variation': -1.0,
'order': 10.0,
'filterA': 'donald',
'filterB': 'dada',
},
{
'groups': 'Trimester 2',
'label': 'Trimester 2',
'type': nan,
'value': 111.0,
'variation': nan,
'order': nan,
'filterA': 'donald',
'filterB': 'dada',
},
]
df = pd.DataFrame(sample_filter_data)
df = waterfall(df, **kwargs).copy()
wa = [{k: v for k, v in zip(df.columns, row)} for row in df.values]
assert set(wa[0].keys()) == set(expected[0].keys())
for i in range(len(expected)):
testing.assert_equal(wa[i], expected[i])
