feat(eda): capítulo TIMESERIES del AutomaticEDA (evolución + análisis de serie)

Capítulo nuevo build_timeseries(profile, ctx) -> Chapter|None del motor
AutomaticEDA. Cuando la tabla tiene columna de fecha/datetime, grafica la
evolución de cada columna numérica por periodo (valor agregado + conteo de filas)
y los paneles de descomposición STL y autocorrelación (ACF), con el análisis de
la serie: estacionariedad (ADF+KPSS), autocorrelación (Ljung-Box), fuerzas de
tendencia/estacionalidad (Hyndman) y la transformación sugerida (retornos o
diferencias) para evitar correlaciones espurias. Sin columna temporal devuelve
None. Consolida series OHLC casi idénticas en un único gráfico conservando el
análisis de cada columna.

La serie cruda llega por ctx['timeseries_raw'] (mismo patrón que modelos con
raw_numeric); las figuras son perezosas (Figure.make) y el paginador del núcleo
garantiza no-corte en PDF y PPTX. CHAPTER_VERSION 1.0.0.

Cubre los MUST del diseño (report 2043): MUST-9.1 (línea valor-vs-tiempo + conteo
por periodo), MUST-9.2 (paneles STL + ACF), MUST-9.3 (perfil datetime +
consolidación OHLC).

Funciones nuevas del registry (grupo eda), delegadas a fn-constructor, no inline:
- detect_time_column (pure): detecta la columna temporal y las numéricas
- profile_datetime (pure): rango/frecuencia/regularidad/huecos de la fecha
- resample_timeseries (pure): agrega la serie por periodo + conteo
- extract_timeseries_raw (impure): lee la serie cruda ordenada de DuckDB/PG

Verificación: 69 tests verdes (capítulo 9 + funciones 28 + núcleo/renderers);
golden real sobre seattle-weather (estacional) y aapl (OHLC) con PDF+PPTX sin
cortar nada (cols_cortadas=[]).

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

python/functions/datascience/profile_datetime.md

@@ -0,0 +1,79 @@
+---
+name: profile_datetime
+kind: function
+lang: py
+domain: datascience
+version: "1.0.0"
+purity: pure
+signature: "def profile_datetime(values: list) -> dict"
+description: "Perfil minimo de una columna fecha/datetime para la cabecera del capitulo TIMESERIES de AutomaticEDA. Acepta datetime.date, datetime.datetime y strings ISO mezclados, parsea defensivamente e ignora lo no parseable (nunca lanza). Devuelve rango (min/max ISO), n, n_distinct, span_days, frecuencia inferida (daily/weekly/monthly/quarterly/yearly/irregular/unknown) a partir del paso mediano entre fechas distintas, is_regular (pasos ~constantes), n_gaps (huecos en la rejilla) y median_step_days. Solo stdlib (datetime + statistics)."
+tags: [statistics, timeseries, datetime, profiling, frequency, eda, automatic_eda, python]
+uses_functions: []
+uses_types: []
+returns: []
+returns_optional: false
+error_type: ""
+imports: [datetime, statistics]
+params:
+  - name: values
+    desc: "lista de valores fecha. Acepta datetime.date, datetime.datetime y strings ISO ('2021-06-28', '2021-06-28T00:00:00', '2021-06-28 12:00:00'). None, vacios y no parseables se ignoran; tz-aware se normaliza a naive. Si values es None o no iterable se trata como lista vacia."
+output: "dict SIEMPRE presente con: 'min'/'max' (ISO date YYYY-MM-DD o None), 'n' (valores parseables), 'n_distinct' (fechas unicas), 'span_days' (float o None), 'freq' (daily|weekly|monthly|quarterly|yearly|irregular|unknown), 'is_regular' (bool), 'n_gaps' (int), 'median_step_days' (float o None) y 'note' (str). Con <2 valores o una sola fecha distinta: freq='unknown', is_regular=False, n_gaps=0, median_step_days=None y nota. Nunca lanza."
+tested: true
+tests: ["test_serie_diaria_regular_golden", "test_serie_mensual_freq_monthly", "test_serie_con_hueco_cuenta_gaps", "test_strings_iso_mezclados_con_datetime", "test_lista_vacia_y_none_devuelve_unknown", "test_valores_no_parseables_ignorados", "test_span_days_correcto", "test_una_sola_fecha_es_coherente"]
+test_file_path: "python/functions/datascience/profile_datetime_test.py"
+file_path: "python/functions/datascience/profile_datetime.py"
+---
+
+## Ejemplo
+
+```python
+from datascience import profile_datetime
+from datetime import date, datetime, timedelta
+
+# Serie diaria regular de 30 dias
+fechas = [date(2021, 1, 1) + timedelta(days=i) for i in range(30)]
+res = profile_datetime(fechas)
+res["freq"]              # -> "daily"
+res["is_regular"]        # -> True
+res["n_gaps"]            # -> 0
+res["min"], res["max"]   # -> ("2021-01-01", "2021-01-30")
+res["span_days"]         # -> 29.0
+
+# Acepta strings ISO mezclados con objetos datetime/date; ignora lo no parseable
+profile_datetime(["2021-06-28", datetime(2021, 6, 29, 12), "basura", None])["n"]   # -> 2
+
+# Columna vacia o sin fechas validas
+profile_datetime([])["freq"]   # -> "unknown" + note "datos insuficientes"
+```
+
+## Cuando usarla
+
+Cuando construyes la cabecera del capitulo TIMESERIES de un EDA y necesitas
+caracterizar la columna de fecha antes de modelar: que rango cubre, cada cuanto
+llegan los datos (frecuencia), si la cadencia es regular y si hay huecos en la
+rejilla temporal. Es el complemento de fecha al perfil numerico/categorico del
+TableProfile (cierra el `datetime{}=None` pendiente). Pasale la columna de fechas
+en bruto (tal cual venga de la BD: dates, datetimes o strings ISO) y usa `freq` +
+`is_regular` + `n_gaps` para decidir si conviene resamplear, rellenar huecos o
+desestacionalizar mas adelante.
+
+## Gotchas
+
+- Es pura y stdlib-only, pero la inferencia de `freq` es heuristica por bandas
+  sobre el **paso mediano entre fechas distintas** (se deduplica antes de medir).
+  Cualquier paso fuera de las bandas conocidas (incluido sub-diario, p.ej. datos
+  horarios) cae en `"irregular"`: no hay banda hourly.
+- El analisis de frecuencia/regularidad/huecos necesita **>=2 fechas distintas**.
+  Con 0-1 valores parseables o una sola fecha unica, `freq="unknown"`,
+  `median_step_days=None` y `n_gaps=0`, pero `min`/`max`/`span_days` siguen siendo
+  coherentes si hay al menos una fecha.
+- `min`/`max` se reportan como ISO **date** (`YYYY-MM-DD`); la hora se conserva
+  internamente para calcular `span_days` y `median_step_days` (que pueden ser
+  fraccionarios con datetimes sub-diarios) pero no aparece en min/max.
+- Los datetime con zona horaria se normalizan a naive (se descarta el tzinfo) para
+  poder mezclarlos con fechas naive sin que las restas lancen; esto puede desplazar
+  la fecha en datetimes con offset grande. Para EDA es despreciable.
+- `is_regular` usa tolerancia ±25% sobre el paso mediano y umbral del 80% de los
+  pasos dentro de banda; series de "primero de mes" (deltas 28-31) salen regulares.
+- `n_gaps` solo se calcula cuando `freq` es una rejilla regular conocida; con
+  `freq` `"irregular"` o `"unknown"` siempre es 0.