fn_registry/python/functions/datascience/missingness_row_patterns.md

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

name	kind	lang	domain	version	purity	signature	description	tags	params	output	uses_functions	uses_types	returns	returns_optional	error_type	imports	tested	tests	test_file_path	file_path
missingness_row_patterns	function	py	datascience	1.0.0	pure	def missingness_row_patterns(null_mask, top_n=10) -> dict	Agrupa las filas de un dataset por su patron de ausencias (estilo matriz de missingno): para cada fila, el patron es la tupla ORDENADA de columnas que faltan en esa fila (las que tienen 1 en el null_mask). Cuenta la frecuencia de cada patron distinto, incluido el patron vacio (fila completa). Devuelve el top_n por frecuencia con su pct sobre el total. Pura, lectura defensiva, NUNCA lanza; {} -> n_rows 0.	eda missingness missingno patterns profiling datascience data-quality	name desc null_mask Dict {col: [0/1, ...]} alineado por fila, donde 1 = la celda falta en esa fila y 0 = presente. Todas las columnas deberian tener la misma longitud (una entrada por fila); si difieren, n_rows es la lista mas larga y las celdas fuera de rango cuentan como presentes. Las claves se ordenan por str(col) para canonizar el patron. {} (o no-dict) -> n_rows 0. name desc top_n Maximo de patrones devueltos en `patterns`, rankeados por n_rows desc (desempate: menos columnas primero, luego nombres de columna). El recuento total de patrones distintos siempre se reporta en `n_patterns`, no se trunca. Default 10. Valores negativos -> 0; no-int -> 10.	Dict {n_rows: int (filas totales), n_patterns: int (patrones distintos, incluye el patron vacio = fila completa), complete_rows: int (filas con patron vacio, nada falta), patterns: lista del top_n ordenada por n_rows desc con [{missing_cols: [col,...] (vacio = fila completa), n_rows: int, pct: float 0-100 sobre n_rows total, redondeado a 2 decimales}]}. Para {} devuelve n_rows 0 y patterns []. NUNCA lanza.				false			true	test_patron_dominante_completas_singleton test_mask_vacio test_top_n_trunca_pero_cuenta_todos	python/functions/datascience/missingness_row_patterns_test.py	python/functions/datascience/missingness_row_patterns.py

Ejemplo

import sys, os
sys.path.insert(0, os.path.join("python", "functions"))
from datascience.missingness_row_patterns import missingness_row_patterns

# null_mask alineado por fila: 1 = la celda falta en esa fila.
null_mask = {
    "A": [1, 1, 1, 1, 0, 0, 0, 0, 0, 0],
    "B": [1, 1, 1, 1, 0, 0, 0, 0, 0, 0],
    "C": [0, 0, 0, 0, 0, 0, 0, 0, 0, 1],
}
out = missingness_row_patterns(null_mask, top_n=10)
print(out["n_rows"], out["n_patterns"], out["complete_rows"])  # 10 3 5
for p in out["patterns"]:
    label = p["missing_cols"] or "(fila completa)"
    print(label, p["n_rows"], p["pct"])
# (fila completa) 5 50.0
# ['A', 'B'] 4 40.0
# ['C'] 1 10.0

Cuando usarla

• Usala en el capitulo de calidad/ausencias de AutomaticEDA para mostrar la "matriz de patrones de missingno": en vez de pintar celda a celda, resume que combinaciones de columnas se quedan en blanco juntas y con que frecuencia.
• Cuando ya tengas el null_mask por columna (1=falta) y quieras detectar co-ausencia estructural ("A y B siempre faltan juntas") antes de decidir una imputacion o un drop conjunto de columnas.
• Cuando necesites una tabla compacta "patron -> nº filas -> pct" para un report o un grafico de barras de los patrones de ausencia mas comunes, separando ademas cuantas filas estan completas (complete_rows).

Gotchas

• Funcion pura, sin I/O y determinista. Lectura defensiva: {} o un no-dict devuelven n_rows 0 con patterns []. NUNCA lanza.
• El patron vacio (fila completa, missing_cols=[]) SI cuenta como patron: aparece en n_patterns y puede aparecer en patterns. El consumidor lo etiqueta como "(fila completa)".
• pct es sobre n_rows total (0-100), redondeado a 2 decimales. La suma de los pct de TODOS los patrones es 100; si top_n trunca, los pct mostrados sumaran menos.
• Las columnas se ordenan por str(col) para canonizar cada patron, asi {A,B} y {B,A} colapsan al mismo patron ["A", "B"].
• Una celda cuenta como ausente solo si vale 1 (int(cell) == 1); 0, None y valores no numericos se tratan como presentes.
• Si las listas de columnas tienen longitudes distintas, n_rows es la mas larga y las posiciones fuera de rango de una columna corta cuentan como presentes (0).