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]] = {}