"""MOD-EJEC · 32 · prueba ex ante dinámica (PREREG_1 §8). Para cada mes c de 2023 y 2024: se alteran al azar la etiqueta y la fecha de modificación de los contratos adjudicados en c o después y, en los adjudicados antes, todo lo que no se conocía el día 1 de c (modificaciones aprobadas en c o después); se recalculan las variables de los contratos del mes c: deben salir idénticas. Control: alterar una modificación conocida antes de c SÍ debe cambiar alguna variable. -> salidas/32_exante.json""" import json, sys, time sys.path.insert(0, '/w/py') import numpy as np, pandas as pd from rpc_comun import leer, historial_mes, variables, NUM T0 = time.time(); rng = np.random.default_rng(20261104) d = leer(); R = {'meses': 0, 'filas': 0, 'diferencias': 0, 'etiquetas_alteradas': 0, 'control_cambia': 0, 'control_meses': 0} for t in (2023, 2024): for mth in range(1, 13): pm = pd.Period(f'{t}-{mth:02d}', 'M'); c = pm.to_timestamp() cur = (d['fecha_adj'].dt.to_period('M') == pm).to_numpy() base = variables(d, historial_mes(d, [pm])).loc[cur, NUM] p = d.copy() fut = (p['fecha_adj'] >= c).to_numpy() no_conocido = (~fut) & ~((p['y'] == 1) & (p['f_mod'] < c)).to_numpy() for mask in (fut, no_conocido): yy = rng.integers(0, 2, mask.sum()); p.loc[mask, 'y'] = yy nf = pd.Series(pd.NaT, index=p.index[mask], dtype='datetime64[ns]') nf[yy == 1] = c + pd.to_timedelta(rng.integers(0, 700, int((yy == 1).sum())), unit='D') p.loc[mask, 'f_mod'] = nf R['etiquetas_alteradas'] += int((p['y'] != d['y']).sum()) alt = variables(p, historial_mes(p, [pm])).loc[cur, NUM] dif = int((~np.isclose(base.to_numpy(float), alt.to_numpy(float), rtol=0, atol=1e-12)).any(axis=1).sum()) R['diferencias'] += dif; R['meses'] += 1; R['filas'] += int(cur.sum()) if mth == 6: # control: quitar una modificación CONOCIDA antes de c (la de un organismo con contratos en c) q = d.copy(); orgs = set(d.loc[cur, 'org'].dropna()) k = q.index[((q['y'] == 1) & (q['f_mod'] < c) & q['org'].isin(orgs)).to_numpy()] q.loc[k[:50], 'y'] = 0 ctl = variables(q, historial_mes(q, [pm])).loc[cur, NUM] R['control_cambia'] += int((~np.isclose(base.to_numpy(float), ctl.to_numpy(float), rtol=0, atol=1e-12)).any(axis=1).sum()); R['control_meses'] += 1 print(t, mth, int(cur.sum()), 'dif', dif, round(time.time() - T0), 's', flush=True) R['pasa'] = R['diferencias'] == 0 and R['control_cambia'] > 0 print(R); json.dump(R, open('/w/salidas/32_exante.json', 'w'), indent=1)