gadem

new_divided_scatters.py

@@ -1,5 +1,7 @@
 from __future__ import annotations
 
+"""Генерирует раздельные Altair-облака для активных/пассивных/всех показов по категориям."""
+
 import sqlite3
 import sys
 from pathlib import Path
@@ -30,6 +32,7 @@ COMBINED_WINDOW_FACTOR = 1.0
 
 
 def load_raw() -> pd.DataFrame:
+    # Читаем полные коммуникации из SQLite для дальнейших агрегаций
     conn = sqlite3.connect(bmp.DB_PATH)
     df = pd.read_sql_query("select * from communications", conn, parse_dates=["business_dt"])
     conn.close()
@@ -37,6 +40,7 @@ def load_raw() -> pd.DataFrame:
 
 
 def build_client(df: pd.DataFrame) -> pd.DataFrame:
+    # Агрегируем активные/пассивные показы и заказы по клиенту и считаем средние в день
     agg_spec = {
         **{f"active_imp_{c}": "sum" for c in CATEGORIES},
         **{f"passive_imp_{c}": "sum" for c in CATEGORIES},
@@ -66,6 +70,7 @@ def build_client(df: pd.DataFrame) -> pd.DataFrame:
 
 
 def compute_limits(df: pd.DataFrame, x_col: str, y_col: str) -> Tuple[float, float]:
+    # Автоматический подбор разумных лимитов осей по 99 перцентилю
     x_q = df[x_col].quantile(0.99)
     y_q = df[y_col].quantile(0.99)
     x_max = float(max(0.1, x_q + 2.0))
@@ -81,6 +86,7 @@ def fit_quadratic(
     y_col: str,
     x_max: float,
 ) -> Tuple[Optional[sm.regression.linear_model.RegressionResultsWrapper], dict]:
+    # Строим квадратичную регрессию и считаем AUC/R2 по тренду
     if len(df) < 3:
         return None, {}
     x = df[x_col].to_numpy()
@@ -119,6 +125,7 @@ def scatter_trend_quad(
     y_override: float | None = None,
     x_scale_factor: float | None = None,
 ) -> None:
+    # Пайплайн для одной комбинации x/y: фильтр, тренд, регрессия и сохранение HTML
     # Авто-лимиты
     x_max, y_max = compute_limits(df, x_col, y_col)
     if x_override is not None: