fn_registry/python/functions/datascience/vault_csv_profile.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
vault_csv_profile	function	py	datascience	1.0.0	impure	def vault_csv_profile(vault_path: str, rel_path: str, db_path: str | None = None) -> dict	Perfila un CSV del vault: detecta encoding, lee schema con polars, extrae n_rows y columnas de fecha; persiste en csv_profiles y actualiza files_fts para búsqueda por contenido.	vault csv profiling polars encoding datascience fts				false	error_go_core	sqlite3 time pathlib json polars chardet	name desc vault_path Ruta absoluta a la raiz del vault donde vive el CSV y vault_index.db. name desc rel_path Ruta relativa al CSV dentro del vault (ej. 'data/raw/ventas.csv'). name desc db_path Override opcional de la ruta a vault_index.db. Por defecto <vault_path>/vault_index.db.	Dict con: rel_path (str), cols (list de {name, dtype}), n_rows (int), encoding (str), date_min/date_max (ISO yyyy-mm-dd o None), persisted (bool).	true	test_csv_basic test_csv_date_detection test_csv_encoding_latin1 test_csv_empty test_csv_persists_fts	python/functions/datascience/tests/test_vault_csv_profile.py	python/functions/datascience/vault_csv_profile.py

Ejemplo

from vault_csv_profile import vault_csv_profile

result = vault_csv_profile("/vaults/mi_vault", "data/raw/ventas.csv")
# {
#   "rel_path": "data/raw/ventas.csv",
#   "cols": [{"name": "fecha", "dtype": "String"}, {"name": "importe", "dtype": "Float64"}],
#   "n_rows": 1500,
#   "encoding": "utf-8",
#   "date_min": "2023-01-01",
#   "date_max": "2023-12-31",
#   "persisted": True
# }

Notas

• Usa polars (lazy scan) como motor principal; pandas como fallback.
• Detección de encoding: chardet con confianza >= 0.6, luego intentos utf-8-sig → utf-8 → latin-1 → cp1252.
• Detección de fechas: columnas Date/Datetime nativas de polars, o columnas String con ≥80% de valores parseables como fecha.
• El FTS text incluye nombres de columnas + primeras 5 filas concatenadas.
• Upsert en csv_profiles por rel_path; el rowid de files_fts se ancla al rowid de la tabla files para que vault_search funcione correctamente.
• Si vault_index.db no existe, la función retorna el dict sin intentar persistir (persisted=False).
• Dependencias: polars, chardet (ambas instaladas en python/.venv con uv add).