gendesign/tradein-mvp/backend/tests/test_estimator_n_analogs_priced.py

"""#2 (adversarial audit) — n_analogs должен считать аналоги С ЦЕНОЙ, а не все.

Дефект: `_filter_outliers` СОХРАНЯЕТ листинги с `price_per_m2 IS NULL` (нечего
судить как outlier — keep). Затем агрегация считает медиану только по
`prices_ppm2` (price-less отброшены), но `n_analogs = len(listings_clean)` считал
ВСЕ листинги, включая безценовые. Итог: «Найдено N аналогов» завышен, а в пределе
(все радиусные аналоги без цены) median_ppm2=0 при n_analogs>0.

Фикс: в radius-aggregation ветке `n_analogs = len(prices_ppm2)` — число аналогов,
реально внёсших цену. listings_clean НЕ фильтруется (downstream analogs_lots /
sources_used / repair_coef сохраняют полное выживание outlier-фильтра).

Контракты, которые фикс НЕ ломает (проверены отдельными тестами в
test_same_building_anchor.py): #698 anchor-путь перезаписывает n_analogs на
anchor['n']; #691 gate + _enforce_zero_analog_low ловят n_analogs==0 → 'low'.

Полный estimate-путь со всеми I/O застаблен через harness _run_estimate из
test_same_building_anchor.py (anchor_comps=[] / anchor_tier=None → radius-путь).
"""

from __future__ import annotations

import importlib.util
import os
from datetime import UTC, datetime
from pathlib import Path
from typing import Any

import pytest

# Settings требует DATABASE_URL при инициализации (fail-fast, C-3).
os.environ.setdefault("DATABASE_URL", "postgresql+psycopg://test:test@localhost/test_db")

from app.services import estimator

# Переиспользуем harness _run_estimate / _make_payload из anchor-теста (полный
# estimate путь со всеми I/O застабленными). anchor_comps=[] + anchor_tier=None
# направляет estimate в radius-aggregation ветку (где живёт фикс #2).
_ANCHOR_TEST = Path(__file__).parent / "test_same_building_anchor.py"
_spec = importlib.util.spec_from_file_location("_anchor_harness_n_analogs", _ANCHOR_TEST)
assert _spec is not None and _spec.loader is not None
_h = importlib.util.module_from_spec(_spec)
_spec.loader.exec_module(_h)


@pytest.fixture(autouse=True)
def _pin_dedup_off(monkeypatch: pytest.MonkeyPatch) -> None:
    # Эти тесты проверяют инвариант #2 «n_analogs = число priced-аналогов»,
    # ортогональный кросс-source физдедупу (#2087 H4, default ON с #2173).
    # Синтетические аналоги делят один адрес/этаж/площадь → дедуп схлопнул бы
    # близкие по цене как кросс-посты и исказил счётчик. Пиним флаг OFF, чтобы
    # мерить именно #2 в изоляции (не полагаясь на прод-default, который теперь ON).
    monkeypatch.setattr(estimator.settings, "estimate_dedup_analogs_enabled", False)


def _listing(price_per_m2: float | None, area_m2: float = 60.0) -> dict[str, Any]:
    """Радиусный аналог; price_per_m2=None моделирует листинг без ₽/м².

    Это и есть прод-сценарий дефекта: SQL-фильтр гарантирует price_rub>0, но
    price_per_m2 — отдельно вычисляемая колонка и может быть NULL (напр. area_m2
    отсутствует → ₽/м² не определён). _filter_outliers СОХРАНЯЕТ такой листинг
    (нечего судить по ₽/м²), он попадает в listings_clean, но НЕ в prices_ppm2.
    price_rub остаётся валидным (как в проде, WHERE price_rub > 0), поэтому
    _listing_to_analog не падает — дефект именно в счётчике, не в построении.
    """
    return {
        "source": "cian",
        "source_url": "https://cian.ru/offer/1",
        "address": "ЕКБ, ул. Хохрякова, 48",
        "lat": 56.830,
        "lon": 60.592,
        "rooms": 2,
        "area_m2": area_m2,
        "floor": 5,
        "total_floors": 14,
        # price_rub всегда задан (прод WHERE price_rub > 0); ₽/м² может быть NULL.
        "price_rub": (price_per_m2 * area_m2) if price_per_m2 else 9_000_000.0,
        "price_per_m2": price_per_m2,
        "listing_date": datetime(2026, 5, 1),
        "days_on_market": 10,
        "photo_urls": [],
        "scraped_at": datetime(2026, 5, 20, tzinfo=UTC),
        "distance_m": 0.0,
        "relevance_score": 0.0,
        "listing_segment": "vtorichka",
    }


def test_n_analogs_counts_only_priced_radius_analogs() -> None:
    """Radius-путь: 3 аналога с ценой + 2 без цены (price_per_m2=None) пережили
    outlier-фильтр → n_analogs == 3 (число ВНЁСШИХ цену), а не 5 (всего).

    До фикса n_analogs = len(listings_clean) = 5 → «Найдено 5 аналогов» вводило в
    заблуждение (медиана построена лишь по 3)."""
    radius = [
        _listing(price_per_m2=200_000.0),
        _listing(price_per_m2=210_000.0),
        _listing(price_per_m2=220_000.0),
        _listing(price_per_m2=None),
        _listing(price_per_m2=None),
    ]
    est = _h._run_estimate(
        anchor_comps=[],
        anchor_tier=None,
        radius_analogs=radius,
        payload=_h._make_payload(area=60.0, rooms=2),
    )
    # n_analogs = число PRICED аналогов (3), НЕ len(listings_clean) (5).
    assert est.n_analogs == 3
    # Медиана построена → headline ненулевой (sanity: фикс не обнулил оценку).
    assert est.median_price_rub > 0


def test_n_analogs_all_priceless_yields_zero_and_low() -> None:
    """Radius-путь, ВСЕ аналоги без цены (price_per_m2=None) → median_ppm2=0,
    n_analogs=0, и confidence='low' (zero-analog guard применяется).

    Это крайний случай дефекта: раньше n_analogs>0 при median=0 («Найдено N
    аналогов» при нулевой цене). Теперь n_analogs=0 → _compute_confidence
    (median_ppm2==0 → 'low') + _enforce_zero_analog_low не дублирует (уже 'low')."""
    radius = [_listing(price_per_m2=None) for _ in range(4)]
    est = _h._run_estimate(
        anchor_comps=[],
        anchor_tier=None,
        radius_analogs=radius,
        payload=_h._make_payload(area=60.0, rooms=2),
    )
    assert est.n_analogs == 0
    assert est.median_price_rub == 0
    assert est.median_price_per_m2 == 0
    assert est.confidence == "low"


def test_n_analogs_all_priced_unchanged() -> None:
    """Контроль: все аналоги С ценой → n_analogs = их число (поведение не меняется,
    зеркало test_radius_path_n_analogs_unchanged для priced-only выборки)."""
    radius = [_listing(price_per_m2=200_000.0 + i * 1_000) for i in range(5)]
    est = _h._run_estimate(
        anchor_comps=[],
        anchor_tier=None,
        radius_analogs=radius,
        payload=_h._make_payload(area=60.0, rooms=2),
    )
    assert est.n_analogs == 5
    assert est.median_price_rub > 0