dq-engine 0.4.2__tar.gz → 0.4.4__tar.gz

{dq_engine-0.4.2 → dq_engine-0.4.4}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: dq-engine
-Version: 0.4.2
+Version: 0.4.4
 Summary: Framework de validação e limpeza de dados com PySpark
 Author-email: Bruna Cataldo <bruna.cataldo@autoglass.com.br>
 Project-URL: Homepage, https://bitbucket.org/ced_engenharia/data_quality

{dq_engine-0.4.2 → dq_engine-0.4.4}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "dq-engine"
-version = "0.4.2"
+version = "0.4.4"
 description = "Framework de validação e limpeza de dados com PySpark"
 readme = "README.md"
 requires-python = ">=3.10"

{dq_engine-0.4.2 → dq_engine-0.4.4}/src/dq_engine/config/conventions.py

@@ -33,6 +33,7 @@ CONVENTIONS: dict = {
     # _base_null_condition (rule_compiler) e _null_equivalent_expr (engine).
     # Valores em minúsculo como 'teste' são normalizados antes da checagem.
     "invalid_null_like": [
+        "0",
         "0000-00-00",
         "00/00/0000",
         "99/99/9999",
@@ -238,12 +239,12 @@ CONVENTIONS: dict = {
         # DOC: documentos (DOC_CPF/CNPJ capturados antes pelo substring_mapping)
         # END: endereço (END_CEP capturado antes pelo cep_field)
         # TEL: prefixo telefone (TEL_DDD, etc.; TEL_*TELEFONE* capturado pelo substring_mapping)
-        "string_upper": ["NOM", "TPO", "NUM", "DOC", "END", "TEL"],
+        "string_upper": ["NOM", "TPO", "DOC", "END", "TEL"],
         "cod_default":  ["COD"],
         "date_default":     ["DAT"],
         "datetime_default": ["DTH"],
-        # VAL: valor monetário/financeiro (float); QTD: quantitativo (int)
-        "float_default":    ["VAL"],
+        # VAL: valor monetário/financeiro (float); NUM: numérico genérico (int ou float, nulo→0); QTD: quantitativo (int)
+        "float_default":    ["VAL", "NUM"],
         "int_default":      ["QTD"],
     },
 }