fn_registry/python/functions/datascience/cramers_v.md

id, name, kind, lang, domain, version, purity, signature, description, tags, uses_functions, uses_types, returns, returns_optional, error_type, imports, example, tested, tests, test_file_path, file_path, params, output

id	name	kind	lang	domain	version	purity	signature	description	tags	uses_functions	uses_types	returns	returns_optional	error_type	imports	example	tested	tests	test_file_path	file_path	params	output
cramers_v_py_datascience	cramers_v	function	py	datascience	1.0.0	pure	def cramers_v(a: list, b: list) -> float	Cramer's V del grupo eda: asociacion simetrica entre dos columnas categoricas pareadas (0=independientes, 1=asociacion perfecta), con correccion de sesgo Bergsma-Wicher. Descarta pares con None y devuelve 0.0 si hay <2 categorias o <2 pares. Funcion pura, sin pandas.	eda correlation association categorical statistics datascience				false			from datascience import cramers_v a = ["red", "green", "blue", "red", "green", "blue"] b = ["hot", "cool", "cool", "hot", "cool", "cool"] # derivada de a cramers_v(a, b) # -> ~1.0 (asociacion perfecta)	true	test_perfect_association_is_near_one test_independent_columns_low_value test_single_category_returns_zero test_fewer_than_two_pairs_returns_zero test_none_pairs_are_discarded test_always_returns_float_never_none test_derived_column_high_association	python/functions/datascience/cramers_v_test.py	python/functions/datascience/cramers_v.py	name desc a Lista de valores categoricos hashables. Se empareja posicion a posicion con `b`. Los pares donde `a[i]` sea None se descartan. name desc b Lista de valores categoricos hashables pareada con `a` (idealmente misma longitud). Los pares donde `b[i]` sea None se descartan. zip recorta a la longitud minima de ambas listas.	float en [0, 1]. 0.0 = variables independientes, 1.0 = asociacion perfecta. Devuelve 0.0 cuando hay menos de 2 pares validos o menos de 2 categorias distintas en alguna de las dos variables. Nunca devuelve None ni lanza excepcion.

Ejemplo

from datascience import cramers_v

# Dos categoricas asociadas: b se deriva de a con un mapeo fijo.
a = ["red", "green", "blue", "red", "green", "blue", "red", "green", "blue"]
mapping = {"red": "hot", "green": "cool", "blue": "cool"}
b = [mapping[x] for x in a]

cramers_v(a, b)
# -> ~1.0  (saber el color predice perfectamente la temperatura)

# Dos categoricas independientes (aleatorias) -> V cercana a 0.
import random
rng = random.Random(42)
cats = ["a", "b", "c", "d"]
x = [rng.choice(cats) for _ in range(2000)]
y = [rng.choice(cats) for _ in range(2000)]
cramers_v(x, y)
# -> < 0.5  (no hay asociacion)

Cuando usarla

Cuando perfiles o exploras un dataset y necesites medir la asociacion entre dos columnas categoricas (no numericas): construir un heatmap de correlacion categorica, detectar columnas redundantes/derivadas una de otra, o decidir que features categoricas aportan informacion antes de modelar. Es el equivalente categorico de un coeficiente de correlacion: simetrica (cramers_v(a, b) == cramers_v(b, a)) y normalizada a [0, 1].

Notas

Funcion pura, sin I/O, sin pandas y sin mutar los inputs. Construye la tabla de contingencia con collections.Counter sobre los pares (a_i, b_i) y calcula chi-cuadrado a mano (sum((obs-exp)^2/exp)), por lo que solo depende de la stdlib.

Aplica la correccion de sesgo de Bergsma-Wicher, que reduce el inflado de V en tablas pequenas: phi2corr = max(0, phi2 - (r-1)(k-1)/(n-1)), con r/k filas/columnas corregidas y n el numero de pares validos. El resultado se clampa a [0, 1] por seguridad numerica.

Casos borde resueltos sin excepcion: listas vacias, un solo par, columna con una sola categoria, o None en cualquiera de los dos lados (el par se descarta) -> todos devuelven 0.0 o una V bien definida sobre los pares que queden.