---
name: detect_drift
kind: function
lang: py
domain: datascience
version: "1.0.0"
purity: pure
signature: "def detect_drift(history: list[dict], current: dict, fields: list[str], threshold: float = 2.0) -> list[dict]"
description: "Detecta drift estadistico comparando metricas de la ejecucion actual contra el historial usando z-score. Si |z| > threshold, el campo ha drifteado. Util para monitorizar executions en operations.db."
tags: [drift, statistics, z-score, monitoring, executions, operations, datascience]
uses_functions: []
uses_types: []
returns: []
returns_optional: false
error_type: ""
imports: [math]
tested: true
tests:
  - "campo con drift claro (z > threshold)"
  - "campo estable (z < threshold)"
  - "historial con un solo punto → std=0, no puede calcular → drifted=False con nota"
  - "historial vacio → todos drifted=False"
  - "threshold custom"
test_file_path: "python/functions/datascience/detect_drift_test.py"
file_path: "python/functions/datascience/detect_drift.py"
---

## Ejemplo

```python
history = [
    {"records_out": 100, "duration_ms": 500},
    {"records_out": 105, "duration_ms": 480},
    {"records_out": 98,  "duration_ms": 510},
]
current = {"records_out": 50, "duration_ms": 2000}

results = detect_drift(history, current, ["records_out", "duration_ms"])
# [
#   {"field": "records_out", "current": 50, "mean": 101.0, "std": 3.6, "z_score": -14.2, "drifted": True},
#   {"field": "duration_ms", "current": 2000, "mean": 496.7, "std": 15.3, "z_score": 98.3, "drifted": True},
# ]
```

## Notas

Funcion pura. Solo stdlib (`math`).

El z-score usa desviacion estandar poblacional (dividir por N, no N-1) para ser consistente con historial de cualquier tamanio.

Casos especiales:
- **Historial vacio**: z_score=0.0, drifted=False para todos los campos.
- **Un solo punto en historial**: std=0.0, z_score=0.0, drifted=False. No hay suficiente historia para calcular variabilidad.
- **Std=0 con N>=2**: todos los valores historicos identicos. z_score=0.0, drifted=False (cualquier desviacion seria tecnicamente infinita, pero se asume que el sistema es muy estable).

Pensado para el paso ANALIZAR del bucle reactivo: comparar `metrics` de la ejecucion actual con executions historicas de `operations.db`.