statslibx 0.2.3__tar.gz → 0.2.4__tar.gz

{statslibx-0.2.3/statslibx.egg-info → statslibx-0.2.4}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: statslibx
-Version: 0.2.3
+Version: 0.2.4
 Summary: StatsLibx - Librería de estadística descriptiva, inferencial y computacional
 Author-email: Emmanuel Ascendra Perez <ascendraemmanuel@gmail.com>
 License: MIT
@@ -37,6 +37,8 @@ StatsLibX es un paquete de Python diseñado para proporcionar una solución senc
 
 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.
 
+Pagina Web: [StatsLibX](https://ghostanalyst30.github.io/StatsLibX/Documentation_Page/index.html)
+
 GitHub del Proyecto: [https://github.com/GhostAnalyst30/StatsLibX](https://github.com/GhostAnalyst30/StatsLibX)
 
 ## ✨ Características principales

{statslibx-0.2.3 → statslibx-0.2.4}/README.md

@@ -4,6 +4,8 @@ StatsLibX es un paquete de Python diseñado para proporcionar una solución senc
 
 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.
 
+Pagina Web: [StatsLibX](https://ghostanalyst30.github.io/StatsLibX/Documentation_Page/index.html)
+
 GitHub del Proyecto: [https://github.com/GhostAnalyst30/StatsLibX](https://github.com/GhostAnalyst30/StatsLibX)
 
 ## ✨ Características principales

{statslibx-0.2.3 → statslibx-0.2.4}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "statslibx"
-version = "0.2.3"
+version = "0.2.4"
 description = "StatsLibx - Librería de estadística descriptiva, inferencial y computacional"
 readme = "README.md"
 requires-python = ">=3.8"

{statslibx-0.2.3 → statslibx-0.2.4}/statslibx/__init__.py

@@ -1,10 +1,10 @@
 """
 StatsLibx - Librería de Estadística para Python
 Autor: Emmanuel Ascendra
-Versión: 0.2.3
+Versión: 0.2.4
 """
 
-__version__ = "0.2.3"
+__version__ = "0.2.4"
 __author__ = "Emmanuel Ascendra"
 
 # Importar las clases principales

{statslibx-0.2.3 → statslibx-0.2.4}/statslibx/descriptive.py

@@ -101,8 +101,8 @@ class DescriptiveStats:
                 "Data must be a pandas.DataFrame or numpy.ndarray."
             )
         
-        self._numeric_cols = self.data.select_dtypes(include=[np.number]).columns.tolist()
-        self._categorical_cols = self.data.select_dtypes(include=[np.object]).columns.tolist()
+        self._numeric_cols = self.data.select_dtypes(include=["number"]).columns.tolist()
+        self._categorical_cols = self.data.select_dtypes(include=["object", "category"]).columns.tolist()
         self.lang = lang
 
         

{statslibx-0.2.3 → statslibx-0.2.4}/statslibx/inferential.py

@@ -92,8 +92,8 @@ class InferentialStats:
             else:
                 data = pd.DataFrame(data, columns=[f'var_{i}' for i in range(data.shape[1])])
         
-        self._numeric_cols = data.select_dtypes(include=[np.number]).columns.tolist()
-        self._categorical_cols = self.data.select_dtypes(include=[np.object]).columns.tolist()
+        self._numeric_cols = data.select_dtypes(include=["number"]).columns.tolist()
+        self._categorical_cols = self.data.select_dtypes(include=["object", "category"]).columns.tolist()
         self.lang = lang
 
     # ============= INTERVALOS DE CONFIANZA =============

{statslibx-0.2.3 → statslibx-0.2.4}/statslibx/preprocessing/__init__.py

@@ -290,3 +290,40 @@ class Preprocessing:
                         print(f"Cannot convert column '{col}' to {to_type}")
 
         return data
+
+    def clean_data(
+        self,
+        # 🔍 Missing values
+        handle_missing: bool = False,
+        missing_strategy: str = "mean",  # mean, median, mode, drop, constant
+        fill_value=None,
+        
+        # 🧹 Duplicados
+        remove_duplicates: bool = False,
+        
+        # 📊 Tipos de datos
+        convert_dtypes: bool = False,
+        
+        # 🚨 Outliers
+        detect_outliers: bool = False,
+        remove_outliers: bool = False,
+        outlier_method: str = "iqr",  # iqr, zscore
+        z_thresh: float = 3.0,
+        
+        # 📏 Escalado / Normalización
+        scale: bool = False,
+        scaling_method: str = "standard",  # standard, minmax, robust
+        
+        # 🔢 Transformaciones
+        log_transform: bool = False,
+        sqrt_transform: bool = False,
+        
+        # 🧱 Columnas
+        drop_columns: list = None,
+        keep_columns: list = None,
+
+        
+        # 🧪 Analisis
+        analizer: bool = True,
+        text_analizer: bool = False) -> pd.DataFrame | str:
+        pass

{statslibx-0.2.3 → statslibx-0.2.4/statslibx.egg-info}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: statslibx
-Version: 0.2.3
+Version: 0.2.4
 Summary: StatsLibx - Librería de estadística descriptiva, inferencial y computacional
 Author-email: Emmanuel Ascendra Perez <ascendraemmanuel@gmail.com>
 License: MIT
@@ -37,6 +37,8 @@ StatsLibX es un paquete de Python diseñado para proporcionar una solución senc
 
 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.
 
+Pagina Web: [StatsLibX](https://ghostanalyst30.github.io/StatsLibX/Documentation_Page/index.html)
+
 GitHub del Proyecto: [https://github.com/GhostAnalyst30/StatsLibX](https://github.com/GhostAnalyst30/StatsLibX)
 
 ## ✨ Características principales

{statslibx-0.2.3 → statslibx-0.2.4}/statslibx.egg-info/top_level.txt

@@ -1,3 +1,4 @@
+Documentation_Page
 dist
 figures
 statslibx

statslibx-0.2.4/tests/test1.py

@@ -0,0 +1,30 @@
+from statslibx import load_dataset, DescriptiveStats, InferentialStats
+import pandas as pd
+# df = pd.read_csv(r"tests\bank (1).csv", sep=";")
+
+# df = load_dataset(r"tests\bank (1).csv", sep=";")
+# stats = DescriptiveStats(df)
+# print(stats.data)
+
+# infer = InferentialStats(df)
+# print(infer.data)
+
+# df = load_dataset(r"statslibx\datasets\Cocoa_Bubbles_Investment_Nigeria_Ghana_1980_2023.xlsx")
+
+# ds = DescriptiveStats(df)
+
+# print(ds.data)
+
+import statslibx as slx
+
+df = slx.datasets.load_penguins()
+infer = slx.InferentialStats(df)
+
+# Confidence Interval + Point Estimate
+print(infer.confidence_interval(
+    column="bill_length_mm",
+    statistic="mean"
+))
+
+
+

statslibx-0.2.3/tests/test1.py

@@ -1,20 +0,0 @@
-from statslibx import load_dataset, DescriptiveStats, InferentialStats
-import pandas as pd
-# df = pd.read_csv(r"tests\bank (1).csv", sep=";")
-
-# df = load_dataset(r"tests\bank (1).csv", sep=";")
-# stats = DescriptiveStats(df)
-# print(stats.data)
-
-# infer = InferentialStats(df)
-# print(infer.data)
-
-df = load_dataset(r"statslibx\datasets\Cocoa_Bubbles_Investment_Nigeria_Ghana_1980_2023.xlsx")
-
-ds = DescriptiveStats(df)
-
-print(ds.data)
-
-
-
-