Primer commit

utils/Generar_nombres.py

@@ -0,0 +1,70 @@
+import os
+import random
+import pandas as pd
+from dotenv import load_dotenv
+from entrypoint import ENV_PATH
+
+# Cargar variables de entorno desde ENV_PATH
+load_dotenv(ENV_PATH)
+
+class GeneradorNombre_Spanish:
+    def __init__(self):
+        # Obtener ruta base del proyecto
+        project_path = os.getenv("PROJECT_PATH")
+        if not project_path:
+            raise ValueError("La variable PROJECT_PATH no está definida en el archivo .env")
+
+        # Construir rutas absolutas a los archivos
+        self.ruta_hombres = os.path.join(project_path, "data", "files", "txt", "nombres_español", "hombres.csv")
+        self.ruta_mujeres = os.path.join(project_path, "data", "files", "txt", "nombres_español", "mujeres.csv")
+        self.ruta_apellidos = os.path.join(project_path, "data", "files", "txt", "nombres_español", "apellidos.csv")
+
+        # Cargar datos
+        self.df_hombres = pd.read_csv(self.ruta_hombres)
+        self.df_mujeres = pd.read_csv(self.ruta_mujeres)
+        self.df_apellidos = pd.read_csv(self.ruta_apellidos)
+
+        # Limpiar y normalizar columnas
+        for df in (self.df_hombres, self.df_mujeres):
+            df.columns = df.columns.str.strip().str.lower()
+            df['frec'] = pd.to_numeric(df['frec'], errors='coerce')
+            df['edad_media'] = pd.to_numeric(df['edad_media'], errors='coerce')
+            df.dropna(subset=['frec', 'edad_media'], inplace=True)
+
+        self.df_apellidos.columns = self.df_apellidos.columns.str.strip().str.lower()
+        self.df_apellidos['frec_pri'] = pd.to_numeric(self.df_apellidos['frec_pri'], errors='coerce')
+        self.df_apellidos['frec_seg'] = pd.to_numeric(self.df_apellidos['frec_seg'], errors='coerce')
+        self.df_apellidos.dropna(subset=['frec_pri', 'frec_seg'], inplace=True)
+
+    def generar_nombre(self, sexo: str = None, edad_aprox: float = None) -> str:
+        if sexo not in {'hombre', 'mujer'}:
+            sexo = random.choice(['hombre', 'mujer'])
+
+        df = self.df_hombres if sexo == 'hombre' else self.df_mujeres
+
+        if edad_aprox is not None:
+            df = df[
+                (df['edad_media'] >= edad_aprox - 5) &
+                (df['edad_media'] <= edad_aprox + 5)
+            ]
+
+        if df.empty:
+            raise ValueError(f"No hay nombres disponibles para edad {edad_aprox} y sexo {sexo}")
+
+        nombre = random.choices(df['nombre'].tolist(), weights=df['frec'].tolist(), k=1)[0]
+        return nombre
+
+    def generar_nombre_completo(self, sexo: str = None, edad_aprox: float = None) -> str:
+        nombre = self.generar_nombre(sexo, edad_aprox)
+
+        primer_apellido = random.choices(
+            self.df_apellidos['apellido'].tolist(),
+            weights=self.df_apellidos['frec_pri'].tolist(), k=1
+        )[0]
+
+        segundo_apellido = random.choices(
+            self.df_apellidos['apellido'].tolist(),
+            weights=self.df_apellidos['frec_seg'].tolist(), k=1
+        )[0]
+
+        return f"{nombre} {primer_apellido} {segundo_apellido}"