fn_registry/bash/functions/pipelines/init_jupyter_analysis.md

name, kind, lang, domain, version, purity, signature, description, tags, uses_functions, uses_types, returns, returns_optional, error_type, imports, params, output, tested, tests, test_file_path, file_path

name	kind	lang	domain	version	purity	signature	description	tags	uses_functions	uses_types	returns	returns_optional	error_type	imports	params	output	tested	tests	test_file_path	file_path
init_jupyter_analysis	pipeline	bash	pipelines	1.1.0	impure	init_jupyter_analysis([--project <p>] [--desc <d>] [--tags <t>], nombre: string, [...paquetes_extra: string]) -> void	Inicializa un analisis Jupyter completo con venv, paquetes, launcher, MCP, reglas Claude, kernel startup y analysis.md. Por defecto crea en analysis/{nombre}/; con --project crea en projects/{proyecto}/analysis/{nombre}/ y ejecuta fn index al final.	jupyter analysis setup pipeline bash launcher	assert_command_exists_bash_shell find_free_port_bash_shell init_uv_venv_bash_infra uv_add_packages_bash_infra write_jupyter_launcher_bash_infra write_mcp_jupyter_config_bash_infra write_claude_jupyter_rules_bash_infra write_jupyter_registry_kernel_bash_infra write_analysis_md_bash_infra			false	error_go_core		name desc nombre nombre del análisis a crear name desc paquetes_extra paquetes Python adicionales a instalar (variadic, opcional) name desc --project nombre del proyecto bajo projects/ donde crear el analisis (opcional); si se omite, se crea en analysis/ raiz name desc --desc descripcion breve del analisis (se escribe en analysis.md) name desc --tags tags CSV que se escriben en analysis.md (opcional)	sin salida directa; estructura completa + analysis.md en el destino. Con --project, ejecuta fn index para registrar.	false			bash/functions/pipelines/init_jupyter_analysis.sh

Ejemplo

# Analisis suelto en analysis/
fn run init_jupyter_analysis finanzas
fn run init_jupyter_analysis ml scikit-learn torch

# Analisis dentro de un proyecto (un solo comando, todo resuelto)
fn run init_jupyter_analysis --project aurgi sale_prices --desc "Comprobacion precios"
fn run init_jupyter_analysis --project aurgi ventas polars --tags "aurgi,ventas"

Flujo

1. assert_command_exists — verifica que uv o python3 estan disponibles
2. Crea estructura {destino}/notebooks/ y {destino}/data/
3. init_uv_venv — crea venv en {destino}/.venv/
4. uv_add_packages — instala jupyter, jupyterlab, jupyter-collaboration, jupyter-mcp-server, pandas, numpy, matplotlib + extras
5. write_jupyter_launcher — genera run-jupyter-lab.sh con modo colaborativo
6. find_free_port + write_mcp_jupyter_config — detecta puerto libre y genera .mcp.json
7. write_claude_jupyter_rules — genera .claude/CLAUDE.md con reglas de agente
8. write_jupyter_registry_kernel — genera IPython startup con fn_query, fn_search, fn_code y acceso a python/functions/
9. write_analysis_md — genera analysis.md con frontmatter y dir_path correcto

Si se paso --project, al final ejecuta fn index para registrar el analisis en registry.db con project_id correcto.

Con --project, el destino es projects/{proyecto}/analysis/{nombre}/ (requiere que projects/{proyecto}/project.md exista); sin el, es analysis/{nombre}/.

Notas

Cada analisis es independiente (propio venv, propio Jupyter, propio MCP). Mismo patron que apps/ pero para exploraciones no reutilizables.

El pipeline usa set -euo pipefail — cualquier fallo detiene la ejecucion.

Paquetes base siempre incluidos: jupyter, jupyterlab, jupyter-collaboration, jupyter-mcp-server, pandas, numpy, matplotlib. Los paquetes extra se añaden a estos.