From a6e95b65c258ac9a0318e799f42039dab98c19d4 Mon Sep 17 00:00:00 2001
From: lekss361 <claudestars@proton.me>
Date: Tue, 12 May 2026 07:56:03 +0300
Subject: [PATCH] fix(site-finder): X1 logic bugs from PR #87 re-review
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

1. score_top_3_negatives — rewrite to unambiguously "most-negative first" via
   explicit `sorted(negatives, key=contribution)[:3]` (ascending sort). Раньше
   использовался trick `[-3:][::-1]` на desc-sorted — давал тот же результат
   для N>=3 negatives, но неинтуитивно читать.
2. _compute_confidence(recent_deals_count) — guard `int(... or 0)` через
   try/except (ValueError, TypeError). Защищает от non-numeric строки в
   external/legacy market_trend payload.
3. Style: `import datetime as _dt` перенесён из function-scope в module-level.

Per auto-review on d0fa8a3.
---
 backend/app/api/v1/parcels.py | 26 +++++++++++++++++---------
 1 file changed, 17 insertions(+), 9 deletions(-)

diff --git a/backend/app/api/v1/parcels.py b/backend/app/api/v1/parcels.py
index 9f8e7029..7743f5cb 100644
--- a/backend/app/api/v1/parcels.py
+++ b/backend/app/api/v1/parcels.py
@@ -1,3 +1,4 @@
+import datetime as _dt
 import json
 import logging
 import math
@@ -579,8 +580,6 @@ def _compute_confidence(
     доступны на main. Композитный балл = avg of subscore'ов; caveats — list
     конкретных проблем для UI ("Нет данных N, score K ненадёжен").
     """
-    import datetime as _dt
-
     caveats: list[str] = []
     subscores: dict[str, float] = {}
 
@@ -616,9 +615,15 @@ def _compute_confidence(
     if not district_row:
         caveats.append("Район не определён (вне границ ЕКБ?) — медианные цены недоступны")
 
-    # 4) Market trend — есть ли rosreestr_deals
-    if market_trend and market_trend.get("recent_deals_count"):
-        n_recent = int(market_trend["recent_deals_count"])
+    # 4) Market trend — есть ли rosreestr_deals.
+    # Guard `int(... or 0)` — recent_deals_count иногда приходит как non-numeric
+    # из external/legacy paths; без guard int() крашнет 500.
+    n_recent_raw = (market_trend or {}).get("recent_deals_count")
+    try:
+        n_recent = int(n_recent_raw) if n_recent_raw is not None else 0
+    except (ValueError, TypeError):
+        n_recent = 0
+    if n_recent > 0:
         # порог 5 сделок за 6 мес — достаточно для тренда
         subscores["market_trend"] = min(1.0, n_recent / 10.0)
         if n_recent < 5:
@@ -1300,11 +1305,14 @@ def analyze_parcel(
 
     factors_sorted = sorted(factors_detailed, key=lambda x: x["contribution"], reverse=True)
     # Convention: оба top-list'а отсортированы "dominant first":
-    #   positives → most-positive first (просто [:3] от descending sort)
-    #   negatives → most-negative first ([-3:][::-1] = последние три (наиболее
-    #     отрицательные) реверсом, чтобы first item был самым большим минусом)
+    #   positives → most-positive first (factors_sorted desc → [:3])
+    #   negatives → most-negative first (sort negatives asc → [:3])
+    # Раньше использовался trick [-3:][::-1] на desc-sorted — это давало тот же
+    # результат для N>=3 negatives, но был неинтуитивно читать; explicit sort asc
+    # короче и не зависит от тонкостей slicing.
     score_top_3_positives = [f for f in factors_sorted if f["contribution"] > 0][:3]
-    score_top_3_negatives = [f for f in factors_sorted if f["contribution"] < 0][-3:][::-1]
+    negatives_only = [f for f in factors_sorted if f["contribution"] < 0]
+    score_top_3_negatives = sorted(negatives_only, key=lambda x: x["contribution"])[:3]
 
     # By-group totals — для stacked-bar в UI. count это int, contribution* — float.
     group_totals: dict[str, dict[str, float | int]] = {}