fn_registry/python/functions/datascience/suggest_reexpression.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
suggest_reexpression	function	py	datascience	1.0.0	pure	def suggest_reexpression(stats: dict) -> dict	Sugiere la re-expresion de la escalera de potencias de Tukey (none/log/log1p/sqrt/square/cube/box-cox/yeo-johnson) que mas simetriza una columna numerica, a partir de su skew y su dominio (ceros/negativos). Pura: razona por reglas, NO ejecuta la transformacion. Devuelve recomendacion + razon legible + alternativas ordenadas.	statistics eda reexpression transform skew tukey ladder-of-powers box-cox yeo-johnson python				false			name desc stats dict con los estadisticos de una columna numerica (sub-bloque `numeric` de un ColumnProfile del grupo eda, o el ColumnProfile completo). Usa `skew` (obligatorio), y `min`/`zero_pct`/`negative_pct` cuando esten para determinar el dominio. Si recibe un ColumnProfile entero, baja a su clave `numeric`.	dict con `recommended` (nombre de la transformacion o None si falta skew), `ladder_power` (exponente conceptual de la escalera de Tukey: 1.0 raw, 0.5 sqrt, 0.0 log, None para data-driven), `reason` (explicacion legible), `alternatives` (lista ordenada de {transform, ladder_power, reason}), `skew` (el usado) y `note` (vacio en caso normal; mensaje si la entrada es incompleta o el dominio es desconocido). Nunca lanza excepcion.	true	test_aproximadamente_simetrica_recomienda_none test_positiva_fuerte_todo_positivo_recomienda_log test_positiva_moderada_todo_positivo_recomienda_sqrt test_positiva_con_ceros_fuerte_recomienda_log1p test_positiva_con_negativos_recomienda_yeo_johnson test_negativa_fuerte_todo_positivo_recomienda_cube test_negativa_moderada_todo_positivo_recomienda_square test_dominio_desconocido_recomienda_yeo_johnson_con_nota test_acepta_columnprofile_completo_con_numeric_anidado test_skew_ausente_devuelve_nota test_stats_vacio_devuelve_nota test_no_dict_no_lanza test_skew_no_numerico_devuelve_nota	python/functions/datascience/suggest_reexpression_test.py	python/functions/datascience/suggest_reexpression.py

Ejemplo

from datascience import suggest_reexpression

# Columna estrictamente positiva con cola derecha larga -> log.
stats = {"skew": 2.3, "min": 1.0, "zero_pct": 0.0, "negative_pct": 0.0}
out = suggest_reexpression(stats)
out["recommended"]     # -> "log"
out["ladder_power"]    # -> 0.0  (escalon p=0 de la escalera de Tukey)
out["reason"]          # -> "skew = 2.3 (cola derecha..., fuerte) y todos los valores > 0: log comprime..."
[a["transform"] for a in out["alternatives"]]   # -> ["box-cox", "sqrt"]

# Con valores negativos, log/Box-Cox no valen -> Yeo-Johnson.
suggest_reexpression({"skew": 1.8, "min": -4.0, "negative_pct": 20.0})["recommended"]  # -> "yeo-johnson"

# Funciona directo sobre el sub-bloque `numeric` de describe_numeric:
# col["numeric"] = {"skew": ..., "min": ..., "zero_pct": ..., "negative_pct": ...}
suggest_reexpression(col["numeric"])

Cuando usarla

Cuando un EDA ya detecto que una columna numerica esta sesgada (|skew| alto en el bloque numeric de describe_numeric / detect_distribution_type) y quieres el siguiente paso de Tukey: que transformacion la simetriza. Cierra el gap entre "detecto skew" y "sugiere la re-expresion". Util antes de modelar (muchos modelos asumen ~normalidad o varianza estable) y para enriquecer un reporte EDA con una recomendacion accionable por columna. NO la uses si solo quieres el valor del skew (eso ya lo da describe_numeric).

Gotchas

• Es pura: NO ejecuta la transformacion, solo decide cual sugerir. Aplicarla es trabajo del caller (numpy/scipy/sklearn) si decide seguir la recomendacion.
• Necesita skew. Sin el devuelve recommended=None + note (no lanza).
• El dominio (ceros/negativos) se infiere de min, zero_pct y negative_pct. Si ninguno esta presente, el dominio es desconocido y sugiere yeo-johnson (opcion segura para cualquier rango) con una nota; pasale al menos min para una decision mas fina (log vs sqrt vs Box-Cox).
• zero_pct/negative_pct se interpretan como ">0 = hay ceros/negativos"; la escala (fraccion 0-1 o porcentaje 0-100) es indiferente para la decision.
• Umbrales: |skew|<0.5 -> none; 0.5-1.0 -> moderada; >=1.0 -> fuerte. Son la convencion habitual, no una verdad absoluta — un caller puede recomputar con el skew que se devuelve.
• log/Box-Cox exigen datos estrictamente positivos; con ceros usa log1p; con negativos o ceros, Yeo-Johnson. La funcion ya aplica estas reglas por ti.