fn_registry/python/functions/datascience/exploratory_caveats.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
exploratory_caveats	function	py	datascience	1.0.0	pure	def exploratory_caveats(profile: dict) -> dict	Genera las advertencias que recuerdan que un EDA es EXPLORATORIO (genera hipotesis), no confirmatorio. Inspecciona un TableProfile del grupo eda y devuelve solo los caveats que aplican a lo calculado: correlacion!=causalidad, overfitting in-sample, p-values no son confirmacion, comparaciones multiples, outliers!=errores, muestra pequena, datos faltantes. El caveat general va siempre. Pura.	eda exploratory caveats hypotheses overfitting correlation-causation p-values tukey lopez-de-prado python				false			name desc profile TableProfile dict del grupo eda. Se leen defensivamente `correlations` (pares), `models` (pca/kmeans/outliers/normality), `columns` (sub-bloques `numeric` con n_outliers/outlier_pct y `trend` con p_value), `n_rows`, `null_cell_pct` y `all_null_cols`. Cualquier clave puede faltar.	dict con `n` (numero de caveats), `caveats` (lista de {id, topic, message, reference} empezando por el general `exploratory_nature`) y `note` (vacio en caso normal; mensaje si el perfil esta vacio y solo se devuelve el caveat general). Nunca lanza excepcion.	true	test_perfil_vacio_solo_caveat_general test_none_no_lanza_y_da_general test_caveat_general_siempre_primero test_correlaciones_disparan_causalidad_y_overfitting test_dos_o_mas_pares_disparan_comparaciones_multiples test_modelos_disparan_overfitting_y_pvalues test_outliers_por_columna_disparan_caveat test_outliers_multivariantes_disparan_caveat test_trend_pvalue_dispara_caveat_pvalues test_muestra_pequena_dispara_caveat test_muestra_grande_no_dispara_small_sample test_muchos_faltantes_disparan_missing_data test_columnas_all_null_disparan_missing_data test_pocos_faltantes_no_disparan_missing_data test_estructura_de_cada_caveat	python/functions/datascience/exploratory_caveats_test.py	python/functions/datascience/exploratory_caveats.py

Ejemplo

from datascience import exploratory_caveats

profile = {
    "n_rows": 5000,
    "correlations": {"pairs": [
        {"a": "precio", "b": "ventas", "value": 0.82},
        {"a": "precio", "b": "margen", "value": -0.61},
    ]},
    "models": {"pca": {"explained": [0.6, 0.3]}, "normality": {"precio": {"is_normal": False}}},
    "columns": [{"name": "precio", "numeric": {"n_outliers": 4, "outlier_pct": 0.8}}],
}
out = exploratory_caveats(profile)
out["n"]                                    # -> 6
[c["id"] for c in out["caveats"]]
# -> ['exploratory_nature', 'correlation_not_causation', 'in_sample_overfitting',
#     'p_values_not_confirmation', 'multiple_comparisons', 'outliers_not_errors']

# Perfil vacio -> solo la advertencia general.
exploratory_caveats({})["caveats"][0]["id"]   # -> "exploratory_nature"

Cuando usarla

Al cerrar un EDA, antes de entregar el reporte o de tomar decisiones sobre lo que muestra. Convierte la disciplina exploratoria (Tukey: el EDA da hipotesis, no conclusiones) en una lista accionable de advertencias adaptada a lo que realmente se calculo en ese perfil. Pensada para inyectar una seccion "Advertencias / esto es exploratorio" en el markdown de un reporte EDA, o para que un agente recuerde no tratar una correlacion o una "significancia" como confirmacion. NO la uses para calcular estadisticos: solo razona sobre el contenido de un TableProfile ya hecho.

Gotchas

• Es pura: no recalcula nada, solo decide que advertencias aplican a partir de las claves presentes en el profile. Si una fase del EDA no se corrio (p.ej. sin models), su caveat no aparece — es deliberado.
• El caveat exploratory_nature (general) va SIEMPRE, incluso con perfil vacio o None (en ese caso note lo avisa). No lanza excepcion ante entradas raras.
• correlations se tolera como lista de pares o como dict con pairs/strongest (mismo shape que consume render_eda_markdown). Un solo par dispara correlation_not_causation + in_sample_overfitting; >=2 anaden ademas multiple_comparisons.
• Umbrales: muestra pequena si n_rows < 30; faltantes notables si null_cell_pct > 0.2 (fraccion) o si hay all_null_cols. Son convenciones prudentes, ajustables si el caller lo necesita (recomputando sobre el mismo profile).
• null_cell_pct se asume fraccion 0-1 (como en el resto del grupo eda). Si tu pipeline lo guarda como porcentaje 0-100, el umbral se dispara casi siempre.