feat(web): стабилизация UI, Gemini-скроллинг, роутеры контекста/снапшотов и актуализация роадмапа

services/scud_etl/merger.py

@@ -2,6 +2,7 @@
 ===============================================================================
 FILE: services/scud_etl/merger.py
 ROLE: Агрегация реестров, выбор совместителей 1С по отделу СКУД и авто-связки.
+      Распределение исключений в общий рабочий пул при отсутствии справок.
 ===============================================================================
 """
 
@@ -17,10 +18,8 @@ logger = logging.getLogger("SCUD_MERGER")
 
 
 def load_identity_mappings() -> Dict[str, str]:
-    """Загружает подтвержденные сопоставления ФИО (СКУД -> 1С:ЗУП) из SQLite."""
     with get_connection() as conn:
         cursor = conn.cursor()
-        # Автоматическая инициализация таблицы при первом обращении
         cursor.execute("""
             CREATE TABLE IF NOT EXISTS person_identity_mapping (
                 id INTEGER PRIMARY KEY AUTOINCREMENT,
@@ -44,7 +43,6 @@ def load_identity_mappings() -> Dict[str, str]:
 
 
 def aggregate_scud_by_person(df_scud: pd.DataFrame) -> pd.DataFrame:
-    """Схлопывает дубликаты пропусков одного человека в СКУД."""
     if df_scud is None or df_scud.empty:
         return df_scud
 
@@ -53,7 +51,6 @@ def aggregate_scud_by_person(df_scud: pd.DataFrame) -> pd.DataFrame:
         fio_col = 'Сотрудник' if 'Сотрудник' in df.columns else 'ФИО'
         df['fio_clean'] = df[fio_col].apply(normalize_fio)
 
-    # Применяем сохраненный кэш связок ФИО
     mapping_dict = load_identity_mappings()
     if mapping_dict:
         df['fio_clean'] = df['fio_clean'].apply(lambda f: mapping_dict.get(f, f))
@@ -95,10 +92,6 @@ def aggregate_scud_by_person(df_scud: pd.DataFrame) -> pd.DataFrame:
 
 
 def select_best_zup_position(df_staff_1c: pd.DataFrame, df_scud_agg: pd.DataFrame) -> pd.DataFrame:
-    """
-    ⭐️ Для совместителей с несколькими должностями в 1С:ЗУП
-    выбирает ту ставку, которая соответствует отделу физического нахождения по СКУД.
-    """
     if df_staff_1c is None or df_staff_1c.empty:
         return pd.DataFrame()
 
@@ -210,15 +203,20 @@ def merge_scud_and_1c(
         fio = row.get("fio_clean", "")
         has_official_absence = pd.notna(row.get("Вид_отсутствия")) and str(row.get("Вид_отсутствия")).strip() not in ["", "nan", "None", "Исключение"]
 
-        if fio in whitelist_fios or has_official_absence:
+        if fio in whitelist_fios:
             df_res.at[idx, "is_excluded"] = False
             continue
 
         dep = str(row.get("Подразделение", "")).upper()
         pos = str(row.get("Должность", "")).lower()
 
-        if fio in exc_fios or dep in exc_depts or any(d in dep for d in exc_depts) or pos in exc_pos or any(k in pos for k in pos_kw):
-            df_res.at[idx, "is_excluded"] = True
+        is_match_exc = (fio in exc_fios or dep in exc_depts or any(d in dep for d in exc_depts) or pos in exc_pos or any(k in pos for k in pos_kw))
+
+        if is_match_exc:
+            if has_official_absence:
+                df_res.at[idx, "is_excluded"] = False
+            else:
+                df_res.at[idx, "is_excluded"] = True
 
     mask_exc = (df_res["is_excluded"] == True) & (df_res["Вид_отсутствия"].isna() | (df_res["Вид_отсутствия"] == ""))
     df_res.loc[mask_exc, "Вид_отсутствия"] = "Исключение"
@@ -228,21 +226,24 @@ def merge_scud_and_1c(
 
 
 def calculate_summary_metrics(df_merged: pd.DataFrame) -> Dict[str, Any]:
-    active_df = df_merged[df_merged.get("is_excluded", False) == False].copy()
-    total_staff = len(active_df)
+    total_staff = len(df_merged)
 
-    came_to_office_mask = active_df["Начало_дня"].astype(str).str.strip().ne("Нет входа")
-    working_in_office = active_df[came_to_office_mask]
-    working_in_office_count = len(working_in_office)
+    came_to_office_mask = (df_merged["Начало_дня"].astype(str).str.strip().ne("Нет входа")) & (df_merged.get("is_excluded", False) == False)
+    exc_without_doc_mask = (df_merged.get("is_excluded", False) == True) & (
+        df_merged["Вид_отсутствия"].isna() | 
+        df_merged["Вид_отсутствия"].astype(str).str.strip().isin(["", "nan", "Исключение"])
+    )
 
-    df_not_came = active_df[~came_to_office_mask]
+    working_in_office_count = len(df_merged[came_to_office_mask | exc_without_doc_mask])
 
-    reason_series = df_not_came["причина отсутствия"].astype(str).str.lower()
+    df_not_working = df_merged[~came_to_office_mask & ~exc_without_doc_mask]
+
+    reason_series = df_not_working["причина отсутствия"].astype(str).str.lower()
     is_remote_mask = reason_series.str.contains("удален|дистанцион", regex=True, na=False)
-    remote_home = df_not_came[is_remote_mask]
+    remote_home = df_not_working[is_remote_mask]
     remote_home_count = len(remote_home)
 
-    df_remaining_absent = df_not_came[~is_remote_mask]
+    df_remaining_absent = df_not_working[~is_remote_mask]
     has_doc_mask = df_remaining_absent["причина отсутствия"].notna() & \
                    df_remaining_absent["причина отсутствия"].ne("") & \
                    df_remaining_absent["причина отсутствия"].ne("nan") & \