g360-cli 1.10.1 → 1.11.0

package/README.md

@@ -70,7 +70,7 @@ CLI tool para el ecosistema G360 que permite inicializar proyectos con estructur
 
 ## Versión
 
-**Current: v1.10.0** — [Ver en npm](https://www.npmjs.com/package/g360-cli)
+**Current: v1.11.0** — [Ver en npm](https://www.npmjs.com/package/g360-cli)
 
 ---
 
@@ -91,7 +91,7 @@ npm install -g g360-cli
 
 ```bash
 g360 --version
-# → 1.10.0
+# → 1.11.0
 
 g360 health
 ```
@@ -646,6 +646,10 @@ mi-app/
 - **Precio efectivo**: PRECIO_BASE (físico) y RECARGO_UNITARIO (financiero) separados
 - Cruce de NC/NDB contra facturas referenciadas para determinar ajustes de precio por línea
 - Purga de filas total/general/acumulado
+- **Columnas derivadas para UI**: `cliente_label`, `vendedor_label`, `articulo_label`, `linea_label`, etc. (ID - NOMBRE)
+- **Cliente completo**: `cliente_full_label` = ID_CLIENTE - DOC_CLIENTE_CLEAN - NOM_CLIENTE
+- **Código de factura**: `doc_completo` = TPO_DOC + SERIE_DOC + NRO_DOC (ej: "F204-56287")
+- **Precio unitario**: `precio_base` = SOLES / CANTIDAD
 
 ### python-flet-migrate
 

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "g360-cli",
-  "version": "1.10.1",
+  "version": "1.11.0",
   "description": "CLI tool for bootstrapping G360 projects with standardized structure, assets, identity, and ERP data processing",
   "type": "module",
   "main": "src/cli.js",

package/src/assets/ingestion/core/ingestion.py

@@ -25,6 +25,17 @@ _KEYWORDS_CANTIDAD = [
 ]
 _KEYWORDS_FECHA = ["fecha", "fec_", "venc"]
 
+_ENTITY_LABELS = {
+    ("id_cliente", "nom_cliente"): "cliente_label",
+    ("id_vendedor", "nom_vendedor"): "vendedor_label",
+    ("id_articulo", "nom_articulo"): "articulo_label",
+    ("id_linea", "nom_linea"): "linea_label",
+    ("id_grupo", "nom_grupo"): "grupo_label",
+    ("id_tipo", "nom_tipo"): "tipo_label",
+    ("id_familia", "nom_familia"): "familia_label",
+    ("cod_sucursal", "nom_sucursal"): "sucursal_label",
+}
+
 _MAPA_TPO_DOC = {
     "NCR": "NOTA DE CREDITO",
     "NDB": "NOTA DE DEBITO",
@@ -247,6 +258,26 @@ def _clasificar_transaccion(row: dict) -> str:
     return "indefinido"
 
 
+def _build_entity_labels(df: pd.DataFrame) -> pd.DataFrame:
+    for (id_col, name_col), label_col in _ENTITY_LABELS.items():
+        id_exists = id_col in df.columns
+        name_exists = name_col in df.columns
+        
+        if id_exists and name_exists:
+            id_vals = df[id_col].fillna("").astype(str).str.strip()
+            name_vals = df[name_col].fillna("").astype(str).str.strip()
+            df[label_col] = np.where(
+                (id_vals != "") & (name_vals != ""),
+                id_vals + " - " + name_vals,
+                np.where(id_vals != "", id_vals, name_vals)
+            )
+        elif id_exists:
+            df[label_col] = df[id_col].astype(str).str.strip()
+        elif name_exists:
+            df[label_col] = df[name_col].astype(str).str.strip()
+    return df
+
+
 def estabilizar_excel_crudo(ruta_archivo: str | Path) -> tuple[pd.DataFrame, dict]:
     ruta = Path(ruta_archivo)
     if not ruta.exists():
@@ -359,6 +390,22 @@ def estabilizar_excel_crudo(ruta_archivo: str | Path) -> tuple[pd.DataFrame, dic
             f"{col}: normalizado ({ruc_count} RUC, {dni_count} DNI, "
             f"{(~df[tipo_col].isin(['RUC','DNI'])).sum()} otros)"
         )
+    
+    # ── 9b. CLIENTE_FULL_LABEL = ID + DOC_CLIENTE_CLEAN + NOMBRE ──
+    if "id_cliente" in df.columns and "doc_cliente_clean" in df.columns:
+        id_vals = df["id_cliente"].fillna("").astype(str).str.strip()
+        doc_vals = df["doc_cliente_clean"].fillna("").astype(str).str.strip()
+        name_vals = df["nom_cliente"].fillna("").astype(str).str.strip() if "nom_cliente" in df.columns else None
+        
+        if name_vals is not None:
+            df["cliente_full_label"] = np.where(
+                (id_vals != "") & (doc_vals != "") & (name_vals != ""),
+                id_vals + " - " + doc_vals + " - " + name_vals,
+                np.where((id_vals != "") & (doc_vals != ""), id_vals + " - " + doc_vals, id_vals)
+            )
+        else:
+            df["cliente_full_label"] = id_vals + " - " + doc_vals
+        transformaciones.append("cliente_full_label: ID + DOC_CLIENTE_CLEAN + NOM_CLIENTE")
 
     # ── 10. Columnas TEXTO ──
     for col in df.columns:

package/src/assets/templates/python-flet/src/core/ingestion.py

@@ -25,6 +25,17 @@ _KEYWORDS_CANTIDAD = [
 ]
 _KEYWORDS_FECHA = ["fecha", "fec_", "venc"]
 
+_ENTITY_LABELS = {
+    ("id_cliente", "nom_cliente"): "cliente_label",
+    ("id_vendedor", "nom_vendedor"): "vendedor_label",
+    ("id_articulo", "nom_articulo"): "articulo_label",
+    ("id_linea", "nom_linea"): "linea_label",
+    ("id_grupo", "nom_grupo"): "grupo_label",
+    ("id_tipo", "nom_tipo"): "tipo_label",
+    ("id_familia", "nom_familia"): "familia_label",
+    ("cod_sucursal", "nom_sucursal"): "sucursal_label",
+}
+
 _MAPA_TPO_DOC = {
     "NCR": "NOTA DE CREDITO",
     "NDB": "NOTA DE DEBITO",
@@ -247,6 +258,26 @@ def _clasificar_transaccion(row: dict) -> str:
     return "indefinido"
 
 
+def _build_entity_labels(df: pd.DataFrame) -> pd.DataFrame:
+    for (id_col, name_col), label_col in _ENTITY_LABELS.items():
+        id_exists = id_col in df.columns
+        name_exists = name_col in df.columns
+        
+        if id_exists and name_exists:
+            id_vals = df[id_col].fillna("").astype(str).str.strip()
+            name_vals = df[name_col].fillna("").astype(str).str.strip()
+            df[label_col] = np.where(
+                (id_vals != "") & (name_vals != ""),
+                id_vals + " - " + name_vals,
+                np.where(id_vals != "", id_vals, name_vals)
+            )
+        elif id_exists:
+            df[label_col] = df[id_col].astype(str).str.strip()
+        elif name_exists:
+            df[label_col] = df[name_col].astype(str).str.strip()
+    return df
+
+
 def estabilizar_excel_crudo(ruta_archivo: str | Path) -> tuple[pd.DataFrame, dict]:
     ruta = Path(ruta_archivo)
     if not ruta.exists():
@@ -359,6 +390,22 @@ def estabilizar_excel_crudo(ruta_archivo: str | Path) -> tuple[pd.DataFrame, dic
             f"{col}: normalizado ({ruc_count} RUC, {dni_count} DNI, "
             f"{(~df[tipo_col].isin(['RUC','DNI'])).sum()} otros)"
         )
+    
+    # ── 9b. CLIENTE_FULL_LABEL = ID + DOC_CLIENTE_CLEAN + NOMBRE ──
+    if "id_cliente" in df.columns and "doc_cliente_clean" in df.columns:
+        id_vals = df["id_cliente"].fillna("").astype(str).str.strip()
+        doc_vals = df["doc_cliente_clean"].fillna("").astype(str).str.strip()
+        name_vals = df["nom_cliente"].fillna("").astype(str).str.strip() if "nom_cliente" in df.columns else None
+        
+        if name_vals is not None:
+            df["cliente_full_label"] = np.where(
+                (id_vals != "") & (doc_vals != "") & (name_vals != ""),
+                id_vals + " - " + doc_vals + " - " + name_vals,
+                np.where((id_vals != "") & (doc_vals != ""), id_vals + " - " + doc_vals, id_vals)
+            )
+        else:
+            df["cliente_full_label"] = id_vals + " - " + doc_vals
+        transformaciones.append("cliente_full_label: ID + DOC_CLIENTE_CLEAN + NOM_CLIENTE")
 
     # ── 10. Columnas TEXTO ──
     for col in df.columns:
@@ -386,6 +433,18 @@ def estabilizar_excel_crudo(ruta_archivo: str | Path) -> tuple[pd.DataFrame, dic
         df[col] = pd.to_numeric(df[col], errors="coerce").fillna(0.0)
         transformaciones.append(f"{col}: forzado a float64, NaN → 0.0")
 
+    # ── 12b. PRECIO_BASE (precio unitario por fila) ──
+    if "soles" in df.columns and cols_cantidad:
+        cant_col = cols_cantidad[0]
+        cant = df[cant_col].fillna(0)
+        soles = df["soles"].fillna(0)
+        df["precio_base"] = np.where(
+            cant != 0,
+            np.round(soles / cant.abs(), 4),
+            np.nan
+        )
+        transformaciones.append(f"precio_base: SOLES / {cant_col}")
+
     # ── 13. cantidad + cantidad_fae → cantidad_total, tipo_transaccion ──
     if "cantidad" in df.columns:
         if "cantidad_fae" in df.columns:
@@ -397,6 +456,13 @@ def estabilizar_excel_crudo(ruta_archivo: str | Path) -> tuple[pd.DataFrame, dic
         t_counts = df["tipo_transaccion"].value_counts().to_dict()
         transformaciones.append(f"tipo_transaccion: {t_counts}")
 
+    # ── 13b. Construir columnas _LABEL (ID - Nombre) para UI ──
+    cols_before_labels = list(df.columns)
+    df = _build_entity_labels(df)
+    label_cols_added = [c for c in df.columns if c.endswith("_label") and c not in cols_before_labels]
+    if label_cols_added:
+        transformaciones.append(f"labels: {', '.join(label_cols_added)} generados")
+
     # ── 14. Columnas FECHA ──
     for col in df.columns:
         if _coincide_keywords(col, _KEYWORDS_FECHA) and col != "fec_":

package/src/assets/templates/python-flet/src/test_ingestion.py

@@ -46,9 +46,12 @@ _SAMPLE_DF = pd.DataFrame({
     "ANHO": [2026.0, 2026.0, np.nan],
     "ID_ARTICULO": ["11030", "78456", np.nan],
     "NOM_CLIENTE": ["  CLIENTE A  ", "CLIENTE B", np.nan],
+    "ID_CLIENTE": ["001", "002", np.nan],
+    "DOC_CLIENTE": ["20491653745", "12345678", np.nan],
     "SOLES": [1172.10, "S/.2,500.50", np.nan],
     "FECHA_ORIG": ["24/06/2026", "20/06/2026", np.nan],
     "ID_LINEA": ["0111", "0178", np.nan],
+    "NOM_LINEA": ["LINEA A", "LINEA B", np.nan],
 })
 
 
@@ -104,6 +107,17 @@ class TestEstabilizarExcelCrudo(unittest.TestCase):
         with self.assertRaises(FileNotFoundError):
             estabilizar_excel_crudo("no_existe_archivo_falso_999.xls")
 
+    def test_cliente_full_label_creado(self):
+        df, _ = _patched_ingestion(_SAMPLE_DF)
+        self.assertIn("cliente_full_label", df.columns)
+        self.assertEqual(df["cliente_full_label"].iloc[0], "001 - 20491653745 - CLIENTE A")
+
+    def test_labels_generados(self):
+        df, meta = _patched_ingestion(_SAMPLE_DF)
+        self.assertIn("cliente_label", df.columns)
+        self.assertIn("linea_label", df.columns)
+        self.assertIn("cliente_full_label", df.columns)
+
 
 class TestColumnasDuplicadas(unittest.TestCase):
     def test_duplicados_se_sufijan(self):