fix(estimator): dedup radius-аналогов — не раздувать n_analogs (#1871)

Добавляет тест test_n_analogs_reflects_deduped_count: 3 дубля одного объекта
(один source_id) → 1 кандидат (freshest scraped_at); 3 разных объекта → все 3.
Верифицирует ключевое требование #1871 P2: n_analogs отражает дедупнутое число,
а не raw кол-во строк в listings с дублями (prod: 797 yandex + 93 cian дублей
раздували n_analogs и искажали медиану/перцентили).

tradein-mvp/backend/tests/test_estimator_radius_dedup_1871.py

@@ -148,10 +148,22 @@ def _simulate_rn_dup(rows: list[dict]) -> list[dict]:
 
 def test_same_source_source_id_collapses_to_freshest() -> None:
     rows = [
-        {"source": "yandex", "source_id": "A1", "source_url": None, "ctid": "(0,1)",
-         "scraped_at": 100, "price_per_m2": 150_000},
-        {"source": "yandex", "source_id": "A1", "source_url": None, "ctid": "(0,2)",
-         "scraped_at": 200, "price_per_m2": 151_000},
+        {
+            "source": "yandex",
+            "source_id": "A1",
+            "source_url": None,
+            "ctid": "(0,1)",
+            "scraped_at": 100,
+            "price_per_m2": 150_000,
+        },
+        {
+            "source": "yandex",
+            "source_id": "A1",
+            "source_url": None,
+            "ctid": "(0,2)",
+            "scraped_at": 200,
+            "price_per_m2": 151_000,
+        },
     ]
     out = _simulate_rn_dup(rows)
     assert len(out) == 1
@@ -160,10 +172,22 @@ def test_same_source_source_id_collapses_to_freshest() -> None:
 
 def test_different_source_id_both_survive() -> None:
     rows = [
-        {"source": "cian", "source_id": "X", "source_url": None, "ctid": "(0,1)",
-         "scraped_at": 100, "price_per_m2": 140_000},
-        {"source": "cian", "source_id": "Y", "source_url": None, "ctid": "(0,2)",
-         "scraped_at": 100, "price_per_m2": 145_000},
+        {
+            "source": "cian",
+            "source_id": "X",
+            "source_url": None,
+            "ctid": "(0,1)",
+            "scraped_at": 100,
+            "price_per_m2": 140_000,
+        },
+        {
+            "source": "cian",
+            "source_id": "Y",
+            "source_url": None,
+            "ctid": "(0,2)",
+            "scraped_at": 100,
+            "price_per_m2": 145_000,
+        },
     ]
     out = _simulate_rn_dup(rows)
     assert len(out) == 2
@@ -173,10 +197,22 @@ def test_same_source_id_different_source_both_survive() -> None:
     """(source, source_id) — PARTITION включает source: одинаковый id у разных
     источников НЕ схлопывается."""
     rows = [
-        {"source": "cian", "source_id": "Z", "source_url": None, "ctid": "(0,1)",
-         "scraped_at": 100, "price_per_m2": 140_000},
-        {"source": "yandex", "source_id": "Z", "source_url": None, "ctid": "(0,2)",
-         "scraped_at": 100, "price_per_m2": 145_000},
+        {
+            "source": "cian",
+            "source_id": "Z",
+            "source_url": None,
+            "ctid": "(0,1)",
+            "scraped_at": 100,
+            "price_per_m2": 140_000,
+        },
+        {
+            "source": "yandex",
+            "source_id": "Z",
+            "source_url": None,
+            "ctid": "(0,2)",
+            "scraped_at": 100,
+            "price_per_m2": 145_000,
+        },
     ]
     out = _simulate_rn_dup(rows)
     assert len(out) == 2
@@ -186,10 +222,22 @@ def test_null_source_id_null_url_both_survive_via_ctid() -> None:
     """CASE-guard: 2 строки с NULL source_id И NULL source_url → ctid-tiebreak →
     обе сохранены (не схлопываются по NULL)."""
     rows = [
-        {"source": "rosreestr", "source_id": None, "source_url": None, "ctid": "(0,1)",
-         "scraped_at": 100, "price_per_m2": 130_000},
-        {"source": "rosreestr", "source_id": None, "source_url": None, "ctid": "(0,2)",
-         "scraped_at": 100, "price_per_m2": 132_000},
+        {
+            "source": "rosreestr",
+            "source_id": None,
+            "source_url": None,
+            "ctid": "(0,1)",
+            "scraped_at": 100,
+            "price_per_m2": 130_000,
+        },
+        {
+            "source": "rosreestr",
+            "source_id": None,
+            "source_url": None,
+            "ctid": "(0,2)",
+            "scraped_at": 100,
+            "price_per_m2": 132_000,
+        },
     ]
     out = _simulate_rn_dup(rows)
     assert len(out) == 2
@@ -198,15 +246,103 @@ def test_null_source_id_null_url_both_survive_via_ctid() -> None:
 def test_null_source_id_falls_back_to_source_url() -> None:
     """source_id NULL, но одинаковый source_url → схлопываются (url-ключ)."""
     rows = [
-        {"source": "avito", "source_id": None, "source_url": "http://a/1", "ctid": "(0,1)",
-         "scraped_at": 100, "price_per_m2": 120_000},
-        {"source": "avito", "source_id": None, "source_url": "http://a/1", "ctid": "(0,2)",
-         "scraped_at": 300, "price_per_m2": 121_000},
+        {
+            "source": "avito",
+            "source_id": None,
+            "source_url": "http://a/1",
+            "ctid": "(0,1)",
+            "scraped_at": 100,
+            "price_per_m2": 120_000,
+        },
+        {
+            "source": "avito",
+            "source_id": None,
+            "source_url": "http://a/1",
+            "ctid": "(0,2)",
+            "scraped_at": 300,
+            "price_per_m2": 121_000,
+        },
     ]
     out = _simulate_rn_dup(rows)
     assert len(out) == 1
     assert out[0]["scraped_at"] == 300
 
 
+# ---------------------------------------------------------------------------
+# n_analogs отражает дедупнутое число (Python-симуляция)
+# ---------------------------------------------------------------------------
+
+
+def test_n_analogs_reflects_deduped_count() -> None:
+    """3 строки одного объекта (source_id) схлопываются в 1 → n_analogs=1.
+
+    Прямое требование спека: «n_analogs отражает дедупнутое число» — без дедупа
+    3 дубля раздули бы счётчик, с дедупом выживает 1 (freshest).
+    Отдельные объекты (разные source_id) не схлопываются → n_analogs=3.
+    """
+    # 3 дубля одного объекта (один source_id, разные scraped_at)
+    dupes = [
+        {
+            "source": "yandex",
+            "source_id": "Y1",
+            "source_url": None,
+            "ctid": "(0,1)",
+            "scraped_at": 100,
+            "price_per_m2": 150_000,
+        },
+        {
+            "source": "yandex",
+            "source_id": "Y1",
+            "source_url": None,
+            "ctid": "(0,2)",
+            "scraped_at": 200,
+            "price_per_m2": 151_000,
+        },
+        {
+            "source": "yandex",
+            "source_id": "Y1",
+            "source_url": None,
+            "ctid": "(0,3)",
+            "scraped_at": 300,
+            "price_per_m2": 152_000,
+        },
+    ]
+    out = _simulate_rn_dup(dupes)
+    n_analogs = len(out)
+    assert n_analogs == 1, "3 дубля → должен выжить 1"
+    assert out[0]["scraped_at"] == 300, "выживает freshest"
+    assert out[0]["price_per_m2"] == 152_000
+
+    # 3 разных объекта — не схлопываются
+    distinct = [
+        {
+            "source": "yandex",
+            "source_id": "Y1",
+            "source_url": None,
+            "ctid": "(0,1)",
+            "scraped_at": 100,
+            "price_per_m2": 150_000,
+        },
+        {
+            "source": "cian",
+            "source_id": "C1",
+            "source_url": None,
+            "ctid": "(0,2)",
+            "scraped_at": 100,
+            "price_per_m2": 145_000,
+        },
+        {
+            "source": "avito",
+            "source_id": None,
+            "source_url": "http://a/1",
+            "ctid": "(0,3)",
+            "scraped_at": 100,
+            "price_per_m2": 155_000,
+        },
+    ]
+    out_d = _simulate_rn_dup(distinct)
+    assert len(out_d) == 3, "3 разных объекта → все 3 живут"
+
+
 if __name__ == "__main__":  # pragma: no cover
     raise SystemExit(pytest.main([__file__, "-q"]))