El rebost del restaurant
========================

.. py:module:: restaurant

Estem gestionant un restaurant i volem controlar les queviures comprades. Els fitxers :download:`restaurant-2024.csv` i :download:`restaurant-2025.csv` contenen les dades d'aquestes compres de dos anys diferents. En llegir aquests fitxers mitjançant :py:mod:`pandas` obtenim dos :py:class:`pandas.DataFrame`:

.. literalinclude:: lectura-restaurant.txt
      :language: pycon

Descarregueu-vos els fitxers, llegiu-los en l'intèrpret de Python tal com s'indica en l'exemple de més amunt i examineu les dades que contenen. Fixeu-vos que els valors de les columnes `preu_unitat`, `proveïdor` i `comentari` contenen valors desconeguts.

Les funcions que es demanen a continuació han de treballar amb qualsevol :py:class:`~pandas.DataFrame` que tingui la mateixa estructura (mateixes columnes) que aquests dos exemples, però poden correspondre a les compres de qualsevol any.


Funció `costos_proveidor` (2 punts)
-----------------------------------

El preu de la columna `cost_total` de cada compra no sempre es correspon amb el resultat de multiplicar les unitats pel preu unitari, perquè de vegades els proveïdors apliquen descomptes o hi sumen un sobrecost, com ara l'embalatge. Volem analitzar aquestes diferències entre els preus reals que ha aplicat cada proveïdor i els preus teòrics. A tal fi, al mòdul :py:mod:`restaurant` (fitxer :file:`restaurant.py`), implementeu-hi la funció següent:

.. function:: costos_proveidor(df, prov)
	      
   :param ~pandas.DataFrame df: Dataframe amb les dades de compres del restaurant
   :param str prov: Nom d'un proveïdor
   :return: Tupla amb dos valors enters:

	    1. Nombre de compres en què el proveïdor `prov` ha aplicat un descompte o un sobrecost

            2. Suma de les diferències entre preus reals i preus teòrics d'aquest proveïdor

   Aquesta funció no ha de tenir en compte els valors desconeguts del preu unitari, ja que en aquest cas és impossible calcular el preu teòric.
              
Essent `df1` el Dataframe amb les dades del fitxer :file:`restaurant-2024.csv`, aquesta funció ha de respondre aixi:

.. literalinclude:: tests-costos.txt
   :language: pycon
   :start-after: --ini-enunciat
   :end-before: --fi-enunciat

Disposeu de més jocs de proves al fitxer :download:`tests-costos.txt`, el qual fa servir els dos fitxers CSV proporcionats.


Funció `article_per_mesos` (2 punts)
------------------------------------

Al mateix mòdul :py:mod:`restaurant` (fitxer :file:`restaurant.py`), implementeu-hi la funció següent:

.. function:: article_per_mesos(df, art)
	      
   :param ~pandas.DataFrame df: Dataframe amb les dades de compres del restaurant
   :param str art: Nom d'un article
   :return: Diccionari amb la quantitat comprada de l'article `art` per cada mes. Les claus han de ser els mesos de l'any i el valor associat la quantitat. El diccionari ha d'incloure tots els mesos de l'any, de :py:const:`'gener'` a :py:const:`'desembre``, fins tot els mesos en què no s'hagi comprat l'article.

Essent `df2` el Dataframe amb les dades del fitxer :file:`restaurant-2025.csv`, aquesta funció ha de respondre aixi:

.. literalinclude:: tests-article.txt
   :language: pycon
   :start-after: --ini-enunciat
   :end-before: --fi-enunciat

Disposeu de més jocs de proves al fitxer :download:`tests-article.txt`, el qual fa servir els dos fitxers CSV proporcionats.