statslibx 0.1.7__tar.gz → 0.2.0__tar.gz

statslibx-0.2.0/MANIFEST.in

@@ -0,0 +1 @@
+recursive-include statslibx/datasets *.csv

{statslibx-0.1.7 → statslibx-0.2.0}/PKG-INFO

@@ -1,7 +1,7 @@
 Metadata-Version: 2.4
 Name: statslibx
-Version: 0.1.7
-Summary: StatsLibx - Librería de estadística descriptiva e inferencial
+Version: 0.2.0
+Summary: StatsLibx - Librería de estadística descriptiva, inferencial y computacional
 Author-email: Emmanuel Ascendra Perez <ascendraemmanuel@gmail.com>
 License: MIT
 Classifier: Development Status :: 3 - Alpha
@@ -24,11 +24,13 @@ Provides-Extra: advanced
 Requires-Dist: scikit-learn>=1.0; extra == "advanced"
 Requires-Dist: statsmodels>=0.13; extra == "advanced"
 
-# 📦 Descripción para PyPI (Plantilla Profesional)
+# 📦 StatsLibX
 
 StatsLibX es un paquete de Python diseñado para proporcionar una solución sencilla, eficiente y flexible para manejar volumenes de datos.
 
-Este proyecto surge con la idea de ofrecer una alternativa moderna, intuitiva y ligera que permita a desarrolladores y entusiastas integrar la **estadistica descriptiva e inferencial** sin complicaciones, con multiples funcionalidades y utilidades pensadas para el futuro.
+Este proyecto surge con la idea de ofrecer una alternativa moderna, intuitiva y ligera que permita a desarrolladores y entusiastas integrar la **estadistica descriptiva, inferencial y computacional (En desarrollo)** sin complicaciones, con multiples funcionalidades y utilidades pensadas para el futuro.
+
+GitHub del Proyecto: [https://github.com/GhostAnalyst30/StatsLibX](https://github.com/GhostAnalyst30/StatsLibX)
 
 ## ✨ Características principales
 
@@ -45,16 +47,28 @@ Este proyecto surge con la idea de ofrecer una alternativa moderna, intuitiva y
 ## 🚀 Ejemplo rápido
 ```python
 from statslibx import DescriptiveStats, InferentialStats, UtilsStats
+from statslibx.datasets import load_iris()
+
+data = load_iris()
 
 stats = DescriptiveStats(data) # InferentialStats(data), UtilsStats()
-stats.help()
+
+stats.summary()
 ```
+Para ver mas funciones: [https://github.com/GhostAnalyst30/StatsLibX/blob/main/how_use_statslibx.ipynb](https://github.com/GhostAnalyst30/StatsLibX/blob/main/how_use_statslibx.ipynb)
 
 ##  📦 Instalación
 ```bash
 pip install statslibx
 ```
 
+## 👩‍💻 ¡Usalo en la terminal! (De forma preliminar)
+```bash
+statslibx describe .\archive.csv # Devuelve una descripcion de la data
+statslibx quality .\archive.csv # Devuelve la calidad de los datos
+statslibx preview .\archive.csv # Devuelve una visualizacion de los datos
+```
+
 🤝 Contribuciones
 
 ¡Todas las mejoras e ideas son bienvenidas! 

{statslibx-0.1.7 → statslibx-0.2.0}/README.md

@@ -1,8 +1,10 @@
-# 📦 Descripción para PyPI (Plantilla Profesional)
+# 📦 StatsLibX
 
 StatsLibX es un paquete de Python diseñado para proporcionar una solución sencilla, eficiente y flexible para manejar volumenes de datos.
 
-Este proyecto surge con la idea de ofrecer una alternativa moderna, intuitiva y ligera que permita a desarrolladores y entusiastas integrar la **estadistica descriptiva e inferencial** sin complicaciones, con multiples funcionalidades y utilidades pensadas para el futuro.
+Este proyecto surge con la idea de ofrecer una alternativa moderna, intuitiva y ligera que permita a desarrolladores y entusiastas integrar la **estadistica descriptiva, inferencial y computacional (En desarrollo)** sin complicaciones, con multiples funcionalidades y utilidades pensadas para el futuro.
+
+GitHub del Proyecto: [https://github.com/GhostAnalyst30/StatsLibX](https://github.com/GhostAnalyst30/StatsLibX)
 
 ## ✨ Características principales
 
@@ -19,16 +21,28 @@ Este proyecto surge con la idea de ofrecer una alternativa moderna, intuitiva y
 ## 🚀 Ejemplo rápido
 ```python
 from statslibx import DescriptiveStats, InferentialStats, UtilsStats
+from statslibx.datasets import load_iris()
+
+data = load_iris()
 
 stats = DescriptiveStats(data) # InferentialStats(data), UtilsStats()
-stats.help()
+
+stats.summary()
 ```
+Para ver mas funciones: [https://github.com/GhostAnalyst30/StatsLibX/blob/main/how_use_statslibx.ipynb](https://github.com/GhostAnalyst30/StatsLibX/blob/main/how_use_statslibx.ipynb)
 
 ##  📦 Instalación
 ```bash
 pip install statslibx
 ```
 
+## 👩‍💻 ¡Usalo en la terminal! (De forma preliminar)
+```bash
+statslibx describe .\archive.csv # Devuelve una descripcion de la data
+statslibx quality .\archive.csv # Devuelve la calidad de los datos
+statslibx preview .\archive.csv # Devuelve una visualizacion de los datos
+```
+
 🤝 Contribuciones
 
 ¡Todas las mejoras e ideas son bienvenidas! 

{statslibx-0.1.7 → statslibx-0.2.0}/pyproject.toml

@@ -4,8 +4,8 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "statslibx"
-version = "0.1.7"
-description = "StatsLibx - Librería de estadística descriptiva e inferencial"
+version = "0.2.0"
+description = "StatsLibx - Librería de estadística descriptiva, inferencial y computacional"
 readme = "README.md"
 requires-python = ">=3.8"
 license = { text = "MIT" }
@@ -38,5 +38,8 @@ advanced = ["scikit-learn>=1.0", "statsmodels>=0.13"]
 [project.scripts]
 statslibx = "statslibx.cli:main"
 
+[tool.setuptools]
+include-package-data = true 
+
 [tool.setuptools.packages.find]
 where = ["."]

{statslibx-0.1.7 → statslibx-0.2.0}/statslibx/__init__.py

@@ -1,30 +1,31 @@
 """
 StatsLibx - Librería de Estadística para Python
 Autor: Emmanuel Ascendra
-Versión: 0.1.6
+Versión: 0.2.0
 """
 
-__version__ = "0.1.6"
+__version__ = "0.2.0"
 __author__ = "Emmanuel Ascendra"
 
 # Importar las clases principales
 from .descriptive import DescriptiveStats, DescriptiveSummary
 from .inferential import InferentialStats, TestResult
+from .computacional import ComputationalStats
 from .utils import UtilsStats
 from .preprocessing import Preprocessing
-from .datasets import load_dataset
+from .datasets import load_dataset, generate_dataset
 
 # Definir qué se expone cuando se hace: from statslib import *
 __all__ = [
     # Clases principales
     'DescriptiveStats',
-    'InferentialStats', 
-    'LinearRegressionResult',
-    'DescriptiveSummary',
-    'TestResult',
+    'InferentialStats',
+    'ProbabilityStats',
+    'ComputationalStats',
     'UtilsStats',
     'Preprocessing',
-    'load_dataset'
+    'load_dataset',
+    'generate_dataset'
 ]
 
 # Mensaje de bienvenida (opcional)
@@ -36,6 +37,9 @@ def welcome():
     print(f"\nClases disponibles:")
     print(f"  - DescriptiveStats: Estadística descriptiva")
     print(f"  - InferentialStats: Estadística inferencial")
+    print(f"  - ComputacionalStats: En desarrollo")
     print(f"  - UtilsStats: Utilidades Extras")
+    print(f"\nMódulos disponibles:")
+    print(f"  - Datasets: Carga de Datasets")
     print(f"  - Preprocessing: Preprocesamiento de datos")
     print(f"\nPara más información: help(statslibx)")

statslibx-0.2.0/statslibx/computacional.py

@@ -0,0 +1,126 @@
+from typing import Union, Optional, Literal
+import numpy as np
+import pandas as pd
+import polars as pl
+import os
+
+class ComputationalStats:
+    """
+    Class for computational statistics
+    """
+    
+    def __init__(self, data: Union[pd.DataFrame, np.ndarray],
+                sep: str = None,
+                decimal: str = None,
+                thousand: str = None,
+                backend: Literal['pandas', 'polars'] = 'pandas'):
+        """
+        # Initialize DataFrame
+        
+        ## **Parameters:**
+
+        - **data** : Data to analyze
+        - **sep** : Column separator
+        - **decimal** : Decimal separator
+        - **thousand** : Thousand separator
+        - **backend** : 'pandas' or 'polars' for processing
+        (Proximamente estara habilitado polars para big data)
+
+        **Examples:**
+
+        ``Example 1:
+        stats = DescriptiveStats(data)
+        ``
+        """
+
+        if isinstance(data, str) and os.path.exists(data):
+                data = ComputationalStats.from_file(data).data
+
+        if isinstance(data, pl.DataFrame):
+            raise TypeError(
+                "Polars aún no soportado. Use pandas.DataFrame."
+            )
+
+
+        if isinstance(data, np.ndarray):
+            if data.ndim == 1:
+                data = pd.DataFrame({'var': data})
+            else:
+                data = pd.DataFrame(data, columns=[f'var_{i}' for i in range(data.shape[1])]) \
+                    if isinstance(data, pd.DataFrame) else pl.DataFrame(data, )
+        
+        self.data = data
+        self.backend = backend
+        self._numeric_cols = data.select_dtypes(include=[np.number]).columns.tolist()
+        self.sep = sep
+        self.decimal = decimal
+        self.thousand = thousand
+    
+    @classmethod
+    def from_file(self, path: str):
+        """
+        Carga automática de archivos y devuelve instancia de Intelligence.
+        Soporta CSV, Excel, TXT, JSON, Parquet, Feather, TSV.
+        Automatic file upload and returns Intelligence instance. 
+        Supports CSV, Excel, TXT, JSON, Parquet, Feather, TSV.
+
+        Parametros / Parameters:
+        ------------------------
+        path : str
+            Ruta del archivo
+            File path
+        """
+        if not os.path.exists(path):
+            raise FileNotFoundError(f"Archivo no encontrado / File not found: {path}")
+
+        ext = os.path.splitext(path)[1].lower()
+
+        if ext == ".csv":
+            df = pd.read_csv(path, sep=self.sep, decimal=self.decimal, thousand=self.thousand)
+
+        elif ext in [".xlsx", ".xls"]:
+            df = pd.read_excel(path, decimal=self.decimal, thousand=self.thousand)
+
+        elif ext in [".txt", ".tsv"]:
+            df = pd.read_table(path, sep=self.sep, decimal=self.decimal, thousand=self.thousand)
+
+        elif ext == ".json":
+            df = pd.read_json(path)
+
+        elif ext == ".parquet":
+            df = pd.read_parquet(path)
+
+        elif ext == ".feather":
+            df = pd.read_feather(path)
+
+        else:
+            raise ValueError(f"Formato no soportado / Unsupported format: {ext}")
+
+        return ComputationalStats(df)
+    
+    def monte_carlo(self, function, n: int = 100, return_simulations: bool = False, **kwargs) -> pd.DataFrame:
+        """
+        Realiza simulaciones de Monte Carlo para una función y devuelve un DataFrame con las simulaciones y sus resultados.
+        """
+        samples = []
+
+        for _ in range(n):
+            sample = function(**kwargs)
+            samples.append(float(sample))
+
+        mean = sum(samples) / n
+        variance = sum((x - mean)**2 for x in samples) / n
+        std = variance**0.5
+
+        if return_simulations:
+            return {
+                "mean": float(mean),
+                "std": float(std),
+                "samples": samples
+            }
+
+        else:
+            return {
+                "mean": float(mean),
+                "std": float(std)
+            }

statslibx-0.2.0/statslibx/datasets/__init__.py

@@ -0,0 +1,260 @@
+from typing import Optional, Union, Literal, List, Tuple
+import io
+import pkgutil
+
+import pandas as pd
+import polars as pl
+import numpy as np
+from numpy.typing import NDArray
+
+
+_SUPPORTED_BACKENDS = ("pandas", "polars")
+
+
+def _validate_columns(
+    df: Union[pd.DataFrame, pl.DataFrame],
+    X_columns: List[str],
+    y_column: str
+) -> None:
+    columns = set(df.columns)
+    missing = set(X_columns + [y_column]) - columns
+    if missing:
+        raise ValueError(f"Columnas no encontradas en el dataset: {missing}")
+
+
+def _X_y(
+    df: Union[pd.DataFrame, pl.DataFrame],
+    X_columns: List[str],
+    y_column: str
+) -> Tuple[NDArray, NDArray]:
+    """
+    Extrae X e y como arrays numpy desde pandas o polars.
+    """
+    _validate_columns(df, X_columns, y_column)
+
+    if isinstance(df, pd.DataFrame):
+        X = df[X_columns].to_numpy()
+        y = df[y_column].to_numpy().ravel()
+        return X, y
+
+    elif isinstance(df, pl.DataFrame):
+        X = df.select(X_columns).to_numpy()
+        y = df.select(y_column).to_numpy().ravel()
+        return X, y
+
+    else:
+        raise TypeError(
+            "Backend no soportado. Use pandas.DataFrame o polars.DataFrame."
+        )
+
+
+import io
+import pkgutil
+import pandas as pd
+import polars as pl
+from typing import Literal, Optional, Tuple, List, Union
+from numpy.typing import NDArray
+
+_SUPPORTED_BACKENDS = {"pandas", "polars"}
+
+def load_dataset(
+    name: str,
+    backend: Literal["pandas", "polars"] = "pandas",
+    return_X_y: Optional[Tuple[List[str], str]] = None,
+    save: Optional[bool] = False,
+    filename: Optional[str] = None
+) -> Union[pd.DataFrame, pl.DataFrame, Tuple[NDArray, NDArray]]:
+    """
+    Carga un dataset interno del paquete.
+
+    Datasets disponibles:
+    - iris.csv
+    - penguins.csv
+    - sp500_companies.csv
+    - titanic.csv
+    - course_completion.csv
+
+    Parámetros
+    ----------
+    name : str
+        Nombre del archivo CSV.
+    backend : {'pandas', 'polars'}, default='pandas'
+        Backend de DataFrame a utilizar.
+    return_X_y : tuple[list[str], str], optional
+        Si se especifica, devuelve (X, y) como arrays numpy,
+
+    Retorna
+    -------
+    DataFrame o (X, y)
+    """
+
+    if backend not in _SUPPORTED_BACKENDS:
+        raise ValueError(
+            f"Backend '{backend}' no soportado. "
+            f"Use uno de {_SUPPORTED_BACKENDS}."
+        )
+
+    df = None
+
+    # ---------- 1️⃣ Intentar cargar desde el paquete ----------
+    try:
+        data_bytes = pkgutil.get_data("statslibx.datasets", name)
+        if data_bytes is not None:
+            df = (
+                pd.read_csv(io.BytesIO(data_bytes))
+                if backend == "pandas"
+                else pl.read_csv(io.BytesIO(data_bytes))
+            )
+    except FileNotFoundError:
+        pass  # seguimos al siguiente intento
+
+    # ---------- 2️⃣ Intentar cargar desde ruta local ----------
+    if df is None:
+        try:
+            df = (
+                pd.read_csv(name)
+                if backend == "pandas"
+                else pl.read_csv(name)
+            )
+        except FileNotFoundError:
+            raise FileNotFoundError(
+                f"Dataset '{name}' no encontrado "
+                f"ni en statslibx.datasets ni en la ruta actual."
+            )
+
+    # ---------- 3️⃣ Devolver X, y si se solicita ----------
+    if return_X_y is not None:
+        X_columns, y_column = return_X_y
+        return _X_y(df, X_columns, y_column)
+
+    return df
+
+# =========================
+# Datasets específicos
+# =========================
+
+def load_iris(
+    backend: Literal["pandas", "polars"] = "pandas",
+    return_X_y: Optional[Tuple[List[str], str]] = None
+):
+    return load_dataset(
+        "iris.csv",
+        backend=backend,
+        return_X_y=return_X_y
+    )
+
+
+def load_penguins(
+    backend: Literal["pandas", "polars"] = "pandas",
+    return_X_y: Optional[Tuple[List[str], str]] = None
+):
+    return load_dataset(
+        "penguins.csv",
+        backend=backend,
+        return_X_y=return_X_y
+    )
+
+
+from typing import Optional
+
+def generate_dataset(n_rows, schema, seed=None, save: Optional[bool] = False, filename: Optional[str] = None):
+    if seed is not None:
+        if not isinstance(seed, int):
+            raise TypeError("seed debe ser un entero o None")
+        np.random.seed(seed)
+    else:
+        np.random.seed(42)
+
+    if not isinstance(schema, dict):
+        raise TypeError("schema debe ser un diccionario")
+    
+
+
+    data = {}
+
+    for col, config in schema.items():
+        if "dist" not in config:
+            raise ValueError(f"La columna '{col}' no tiene 'dist' definido")
+
+        dist = config["dist"]
+        dtype = config.get("type", "float")
+        nround = config.get("round", 0)
+
+        # ---------- DISTRIBUCIONES ----------
+        if dist == "normal":
+            values = np.random.normal(
+                loc=config.get("mean", 0),
+                scale=config.get("std", 1),
+                size=n_rows
+            )
+
+        elif dist == "uniform":
+            values = np.random.uniform(
+                low=config.get("low", 0),
+                high=config.get("high", 1),
+                size=n_rows
+            )
+
+        elif dist == "exponential":
+            values = np.random.exponential(
+                scale=config.get("scale", 1),
+                size=n_rows
+            )
+
+        elif dist == "lognormal":
+            values = np.random.lognormal(
+                mean=config.get("mean", 0),
+                sigma=config.get("std", 1),
+                size=n_rows
+            )
+
+        elif dist == "poisson":
+            values = np.random.poisson(
+                lam=config.get("lam", 1),
+                size=n_rows
+            )
+
+        elif dist == "binomial":
+            values = np.random.binomial(
+                n=config.get("n", 1),
+                p=config.get("p", 0.5),
+                size=n_rows
+            )
+
+        elif dist == "categorical":
+            if "choices" not in config:
+                raise ValueError(f"'choices' es requerido para categorical ({col})")
+            values = np.random.choice(
+                config["choices"],
+                size=n_rows
+            )
+            data[col] = values
+            continue
+
+        else:
+            raise ValueError(f"Distribución no soportada: {dist}")
+
+        # ---------- CASTEO DE TIPO ----------
+        if dtype == "int":
+            values = np.round(values).astype(int)
+        elif dtype == "float":
+            values = values.astype(float)
+        else:
+            raise ValueError(f"Tipo no soportado: {dtype}")
+        
+        # ---------- REDONDEO ----------
+        if nround > 0:
+            values = np.round(values, nround)
+        else:
+            values = np.round(values, 2)
+
+        data[col] = values
+
+    if save and filename:
+        df = pd.DataFrame(data)
+        df.to_csv(f"{filename}.csv", index=False)
+    else:
+        df = pd.DataFrame(data)
+        df.to_csv("dataset.csv", index=False)
+
+    return pd.DataFrame(data)