fn_registry/python/functions/datascience/association_matrix.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
association_matrix	function	py	datascience	1.0.0	pure	def association_matrix(columns: dict, strong_threshold: float = 0.5, top_n: int = 20) -> dict	Matriz de asociacion unificada de una tabla con tipos mezclados: elige la metrica correcta por par de tipos (Pearson/Spearman num-num, Cramer's V cat-cat, correlation ratio num-cat) y calcula informacion mutua normalizada comun para todos los pares. Devuelve pares evaluados, pares fuertes y leyenda de metodos.	eda correlation association statistics mixed-types mutual-information	name desc columns dict {nombre_columna: {"values": list, "type": "numeric"|"categorical"|"datetime"|"boolean"|"text"}}. datetime/boolean/text se tratan como categoricas; text de cardinalidad ~ n se salta como ruido. name desc strong_threshold Umbral en [0, 1]. Un par es fuerte si abs(value) >= umbral o extra.mi >= umbral. Default 0.5. name desc top_n Maximo de pares fuertes a devolver, ordenados por relevancia (max(abs(value), mi)) desc. Default 20.	dict {pairs: lista de todos los pares {a, b, a_type, b_type, method, value, extra}; strong: subconjunto fuerte ordenado por relevancia desc truncado a top_n; methods_legend: dict metodo->descripcion}. Pura: con dict vacio o 1 columna devuelve pairs=[] y strong=[].	pearson_py_datascience spearman_corr_py_datascience cramers_v_py_datascience theils_u_py_datascience correlation_ratio_py_datascience mutual_info_columns_py_datascience			false			true	test_two_correlated_numerics_strong_pearson test_numeric_explained_by_category_strong_correlation_ratio test_independent_pair_not_strong test_empty_dict_does_not_crash test_single_column_returns_empty	python/functions/datascience/association_matrix_test.py	python/functions/datascience/association_matrix.py

Ejemplo

from datascience import association_matrix

columns = {
    # Numerica correlada linealmente con "size" (y ~ 2x + ruido pequeno).
    "size": {"values": [1, 2, 3, 4, 5, 6, 7, 8], "type": "numeric"},
    "price": {"values": [2.1, 4.0, 5.9, 8.1, 10.0, 12.2, 13.8, 16.1], "type": "numeric"},
    # Categorica que explica la varianza de "score" (cada region -> nivel distinto).
    "region": {"values": ["N", "N", "S", "S", "E", "E", "W", "W"], "type": "categorical"},
    "score": {"values": [10.0, 11.0, 50.0, 49.0, 90.0, 91.0, 30.0, 31.0], "type": "numeric"},
}

result = association_matrix(columns, strong_threshold=0.5, top_n=10)

# Pares fuertes detectados (orden por relevancia):
for p in result["strong"]:
    print(p["a"], p["b"], p["method"], round(p["value"], 2))
# size price pearson/spearman 1.0      -> num-num lineal casi perfecta
# region score correlation_ratio 0.99  -> la categoria explica la numerica

print(result["methods_legend"]["correlation_ratio"])

Cuando usarla

Cuando necesites una matriz de relaciones de una tabla entera mezclando tipos (numericas, categoricas, fechas, booleanos) en una sola pasada, sin tener que elegir a mano que metrica aplicar a cada par. Ideal en la fase EDA para detectar de un vistazo que columnas estan asociadas (y por que metodo), priorizando los pares fuertes. Reusa las funciones atomicas del registry (pearson, spearman_corr, cramers_v, theils_u, correlation_ratio, mutual_info_columns) y anade informacion mutua normalizada como medida comun no-lineal a todos los pares.

Notas

• Pura: las atomicas que compone son puras y deterministas; no hace I/O.
• pearson no limpia None/NaN internamente, asi que los pares num-num se limpian aqui antes de llamarla (se emparejan por indice y se descartan pares con algun lado no numerico).
• En num-num el value principal es el de mayor valor absoluto entre Pearson y Spearman; ambos quedan en extra (pearson, spearman).
• En cat-cat el value es Cramer's V (simetrico) y extra lleva Theil's U direccional en ambos sentidos (u_ab = U(a|b), u_ba = U(b|a)).
• En num-cat el value es el correlation ratio (eta) llamando siempre con la categorica como primer argumento y la numerica como segundo.
• Se saltan columnas con menos de 3 valores validos, y columnas text cuya cardinalidad sea >= 90% del numero de filas (identificadores / free-text).