 egutierrez
|
ea6678ec23
|
feat(eda): generadores de datasets sintéticos Faker que ejercitan el AutomaticEDA
Añade dos funciones impuras dict-no-throw, deterministas por seed, al dominio
datascience (grupo eda):
- generate_synthetic_eda_table: una tabla DuckDB de 19 columnas (numéricas
correlacionadas + outliers, categóricas desbalanceadas, texto largo
multi-idioma es/en/fr, fecha DATE, lat/lon válidas, PII email/iban/phone/uuid,
nulos con patrón MCAR/MAR co-ocurrentes). Activa 14 capítulos del motor
AutomaticEDA (num_distr, cat_distr, text_distr, calidad, missingness,
correlacion, relaciones, modelos, timeseries, geospatial, agregacion,
glosario + portada/overview).
- generate_synthetic_eda_folder: 3 CSV relacionados (customers/orders/reviews)
con FK customer detectable por containment, para el EDA de carpeta multi-tabla.
Determinismo via Faker.seed_instance + numpy.default_rng. Tests: 16 passed
(incluye determinismo por hash, rangos lat/lon, co-nulos income/spending,
mediana palabras review >=20, phone formato internacional, FK containment).
Añade faker (40.27.0) a python/pyproject.toml + uv.lock.
Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
|
2026-06-30 21:25:31 +02:00 |
|