Egutierrez
e142ef026d
Ronda 4 (verificada con re-corrida sobre los datasets afectados): - H2: stl_decompose deriva periodo de la frecuencia del indice (seattle period=365 seasonal_strength=0.84; fin del period=2 espurio) - H3+H10: infer_fk por senal de nombre (<X>Id->X.<X>Id) + excluir no-clave -> chinook 111->9 FK, todas reales, cero absurdas, 16-27x mas rapido; base intacta (flag off->111) - H6: association no computa eta2 si cardinalidad~=n (Ticket-Fare espurio fuera) - H7: id secuencial monotono excluido de correlacion y PCA/KMeans (PassengerId fuera) - H8: correlacion de series no estacionarias marcada espuria / sobre retornos - H11: distribution_type usa modos/cardinalidad/normalidad (quality->discrete) - 66 tests verdes Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
107 lines
3.9 KiB
Python
107 lines
3.9 KiB
Python
"""Tests para stl_decompose."""
|
|
|
|
import numpy as np
|
|
|
|
from stl_decompose import stl_decompose
|
|
|
|
|
|
def _serie_estacional(n: int, period: int, trend: float, amp: float, seed: int) -> list:
|
|
rng = np.random.default_rng(seed)
|
|
return [
|
|
trend * i + amp * np.sin(2 * np.pi * i / period) + rng.normal(0, 1)
|
|
for i in range(n)
|
|
]
|
|
|
|
|
|
def test_serie_con_tendencia_y_estacionalidad():
|
|
serie = _serie_estacional(n=120, period=12, trend=0.3, amp=10.0, seed=0)
|
|
res = stl_decompose(serie, period=12)
|
|
assert res["period"] == 12
|
|
assert res["trend_strength"] > 0.5
|
|
assert res["seasonal_strength"] > 0.5
|
|
assert len(res["trend"]["values"]) == 120
|
|
|
|
|
|
def test_fuerza_estacional_alta_con_estacionalidad_fuerte():
|
|
# Amplitud estacional grande, ruido pequeno => seasonal_strength cercano a 1.
|
|
serie = _serie_estacional(n=120, period=12, trend=0.05, amp=20.0, seed=1)
|
|
res = stl_decompose(serie, period=12)
|
|
assert res["seasonal_strength"] > 0.9
|
|
|
|
|
|
def test_infiere_periodo_si_none():
|
|
serie = _serie_estacional(n=120, period=12, trend=0.1, amp=10.0, seed=2)
|
|
res = stl_decompose(serie) # period=None
|
|
assert res.get("period_inferred") is True
|
|
assert res["period"] is not None
|
|
|
|
|
|
def test_serie_corta_devuelve_nota():
|
|
# period=12 pero solo 20 puntos (< 2*period=24): nota, no descompone.
|
|
serie = _serie_estacional(n=20, period=12, trend=0.1, amp=5.0, seed=3)
|
|
res = stl_decompose(serie, period=12)
|
|
assert "note" in res
|
|
assert res["trend_strength"] is None
|
|
|
|
|
|
def test_muestra_insuficiente_devuelve_nota():
|
|
res = stl_decompose([1, 2, 3, 4, 5])
|
|
assert res["n"] == 5
|
|
assert res["note"] == "datos insuficientes"
|
|
assert res["seasonal_strength"] is None
|
|
|
|
|
|
def test_descarta_none_y_nan():
|
|
serie = _serie_estacional(n=120, period=12, trend=0.2, amp=8.0, seed=4)
|
|
sucio = []
|
|
for i, v in enumerate(serie):
|
|
sucio.append(v)
|
|
if i % 30 == 0:
|
|
sucio.append(None)
|
|
sucio.append(float("nan"))
|
|
res = stl_decompose(sucio, period=12)
|
|
assert res["n"] == 120
|
|
|
|
|
|
def test_serie_larga_resume_sin_values():
|
|
# >200 puntos: las componentes vienen resumidas sin 'values'.
|
|
serie = _serie_estacional(n=300, period=12, trend=0.1, amp=10.0, seed=5)
|
|
res = stl_decompose(serie, period=12)
|
|
assert res["trend"]["values"] is None
|
|
assert "mean" in res["trend"]
|
|
assert "note" in res["trend"]
|
|
|
|
|
|
# --- H2: deteccion de periodo robusta a tendencia (detrend) ------------------
|
|
|
|
def test_h2_infer_period_detrend_con_tendencia_fuerte():
|
|
# Golden: serie con tendencia FUERTE + estacionalidad de periodo 12. Sin detrend
|
|
# la autocorrelacion cruda decae monotonamente y el lag minimo (2) gana siempre
|
|
# (period=2 espurio). Con el detrend lineal el lag ganador es el periodo real.
|
|
from stl_decompose import _infer_period
|
|
|
|
serie = _serie_estacional(n=120, period=12, trend=0.8, amp=10.0, seed=0)
|
|
arr = np.asarray(serie, dtype=float)
|
|
assert _infer_period(arr, max_period=60) == 12
|
|
|
|
|
|
def test_h2_auto_period_no_degenera_a_2():
|
|
# End-to-end: stl_decompose(period=None) sobre serie con tendencia fuerte detecta
|
|
# estacionalidad real en vez de reportar period=2 y seasonal_strength ~ 0
|
|
# (el falso negativo de estacionalidad que motivo el fix H2).
|
|
serie = _serie_estacional(n=120, period=12, trend=0.8, amp=10.0, seed=0)
|
|
res = stl_decompose(serie)
|
|
assert res["period"] != 2
|
|
assert res["seasonal_strength"] > 0.5
|
|
|
|
|
|
def test_h2_serie_sin_estacionalidad_no_inventa_periodo():
|
|
# Edge: serie con SOLO tendencia (sin componente estacional) no debe inventar un
|
|
# periodo; tras el detrend el residuo es ruido sin pico de autocorrelacion claro.
|
|
rng = np.random.default_rng(7)
|
|
serie = [0.5 * i + rng.normal(0, 1) for i in range(120)]
|
|
res = stl_decompose(serie)
|
|
# Sin periodo fiable: nota explicita, nunca seasonal_strength=0 como conclusion.
|
|
assert res["trend_strength"] is None
|
|
assert "note" in res
|