statslibx 0.2.5__tar.gz → 0.2.6__tar.gz

{statslibx-0.2.5/statslibx.egg-info → statslibx-0.2.6}/PKG-INFO

@@ -1,9 +1,11 @@
 Metadata-Version: 2.4
 Name: statslibx
-Version: 0.2.5
+Version: 0.2.6
 Summary: StatsLibx - Librería de estadística descriptiva, inferencial y computacional
 Author-email: Emmanuel Ascendra Perez <ascendraemmanuel@gmail.com>
 License: MIT
+Project-URL: Documentation, https://ghostanalyst30.github.io/StatsLibX/Documentation_Page/index.html
+Project-URL: Repository, https://ghostanalyst30.github.io/StatsLibX
 Classifier: Development Status :: 3 - Alpha
 Classifier: Intended Audience :: Science/Research
 Classifier: Topic :: Scientific/Engineering :: Mathematics
@@ -23,6 +25,7 @@ Requires-Dist: scikit-learn>=1.0
 Requires-Dist: statsmodels>=0.13
 Requires-Dist: seaborn>=0.11
 Requires-Dist: plotly>=5.0
+Requires-Dist: viewx>=2.1
 Provides-Extra: viz
 Requires-Dist: seaborn>=0.11; extra == "viz"
 Requires-Dist: plotly>=5.0; extra == "viz"
@@ -30,9 +33,9 @@ Provides-Extra: advanced
 Requires-Dist: scikit-learn>=1.0; extra == "advanced"
 Requires-Dist: statsmodels>=0.13; extra == "advanced"
 
-# 📦 StatsLibX v2.5
+# StatsLibX v2.6
 
-![](https://github.com/GhostAnalyst30/StatsLibX/blob/main/StatsLibX.png)
+![](https://raw.githubusercontent.com/GhostAnalyst30/StatsLibX/main/StatsLibX.png)
 
 StatsLibX es un paquete de Python diseñado para proporcionar una solución sencilla, eficiente y flexible para manejar volumenes de datos.
 
@@ -42,22 +45,22 @@ Este proyecto surge con la idea de ofrecer una alternativa moderna, intuitiva y
 | **Documentacion:** | **GitHub del Proyecto:** |
 |-------------------|--------------------------|
 [Documentacion StatsLibX](https://ghostanalyst30.github.io/StatsLibX/Documentation_Page/index.html) |  [Github/StatsLibX](https://github.com/GhostAnalyst30/StatsLibX)
-|**Version:** 0.2.5 | **Autor:** Emmanuel Ascendra |
+|**Version:** 0.2.6 | **Autor:** Emmanuel Ascendra |
 
 
-## ✨ Características principales
+## Características principales
 
-- ⚡ Rápido y eficiente: optimizado para ofrecer un rendimiento suave incluso en tareas exigentes.
+- Rápido y eficiente: optimizado para ofrecer un rendimiento suave incluso en tareas exigentes.
 
-- 🧩 Fácil de usar: una API limpia para que empieces en segundos.
+- Fácil de usar: una API limpia para que empieces en segundos.
 
-- 🔧 Altamente extensible: personalízalo según tus necesidades.
+- Altamente extensible: personalízalo según tus necesidades.
 
-- 📚 Documentación clara: ejemplos simples y prácticos.
+- Documentación clara: ejemplos simples y prácticos.
 
-- 🔮 Diseñado con visión a futuro: construido para escalar y adaptarse.
+- Diseñado con visión a futuro: construido para escalar y adaptarse.
 
-## 🚀 Ejemplo rápido
+## Ejemplo rápido
 ```python
 from statslibx import DescriptiveStats, InferentialStats, ComputationalStats, UtilsStats
 from statslibx.datasets import load_iris()
@@ -69,22 +72,53 @@ stats = DescriptiveStats(data)
 
 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)
+Para ver mas funciones: [StatslibX](https://github.com/GhostAnalyst30/StatsLibX/blob/main/how_use_statslibx.ipynb)
 
-##  📦 Instalación
+## Instalación
 ```bash
 pip install statslibx
 ```
 
-## 👩‍💻 ¡Usalo en la terminal! (De forma preliminar)
+## Implementacion con ViewX
+
+```python
+from statslibx.viewx import HTML, Slides, Report, DataMatrix
+```
+![ViewX](https://raw.githubusercontent.com/GhostAnalyst30/ViewX/main/images_for_git/DashBoard_Example.png)
+
+Para saber mas: [ViewX](https://ghostanalyst30.github.io/ViewX/Documentation_Page/index.html)
+
+## ¡Usalo en la terminal!
 ```bash
-statslibx                        # Informacion general de la libreria
-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
+# Data
+statslibx data iris.csv
+
+statslibx data mi_archivo.csv --summary --types --missing
+
+# Info
+statslibx info iris.csv
+
+statslibx info iris.csv --detailed
+
+# Describe
+statslibx describe iris.csv --numeric
+
+statslibx describe iris.csv --categorical
+
+statslibx describe iris.csv
+
+# Quality
+statslibx quality iris.csv
+
+statslibx quality iris.csv --verbose
+
+# Preview
+statslibx preview iris.csv -n 10
+
+statslibx preview iris.csv -n 5 --sample
 ```
 
-🤝 Contribuciones
+## Contribuciones
 
 ¡Todas las mejoras e ideas son bienvenidas! 
 

statslibx-0.2.6/README.md

@@ -0,0 +1,90 @@
+# StatsLibX v2.6
+
+![](https://raw.githubusercontent.com/GhostAnalyst30/StatsLibX/main/StatsLibX.png)
+
+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, inferencial y computacional** sin complicaciones, con multiples funcionalidades y utilidades pensadas para el futuro.
+
+
+| **Documentacion:** | **GitHub del Proyecto:** |
+|-------------------|--------------------------|
+[Documentacion StatsLibX](https://ghostanalyst30.github.io/StatsLibX/Documentation_Page/index.html) |  [Github/StatsLibX](https://github.com/GhostAnalyst30/StatsLibX)
+|**Version:** 0.2.6 | **Autor:** Emmanuel Ascendra |
+
+
+## Características principales
+
+- Rápido y eficiente: optimizado para ofrecer un rendimiento suave incluso en tareas exigentes.
+
+- Fácil de usar: una API limpia para que empieces en segundos.
+
+- Altamente extensible: personalízalo según tus necesidades.
+
+- Documentación clara: ejemplos simples y prácticos.
+
+- Diseñado con visión a futuro: construido para escalar y adaptarse.
+
+## Ejemplo rápido
+```python
+from statslibx import DescriptiveStats, InferentialStats, ComputationalStats, UtilsStats
+from statslibx.datasets import load_iris()
+
+data = load_iris()
+
+stats = DescriptiveStats(data) 
+# InferentialStats(data), ComputationalStats(data), UtilsStats()
+
+stats.summary()
+```
+Para ver mas funciones: [StatslibX](https://github.com/GhostAnalyst30/StatsLibX/blob/main/how_use_statslibx.ipynb)
+
+## Instalación
+```bash
+pip install statslibx
+```
+
+## Implementacion con ViewX
+
+```python
+from statslibx.viewx import HTML, Slides, Report, DataMatrix
+```
+![ViewX](https://raw.githubusercontent.com/GhostAnalyst30/ViewX/main/images_for_git/DashBoard_Example.png)
+
+Para saber mas: [ViewX](https://ghostanalyst30.github.io/ViewX/Documentation_Page/index.html)
+
+## ¡Usalo en la terminal!
+```bash
+# Data
+statslibx data iris.csv
+
+statslibx data mi_archivo.csv --summary --types --missing
+
+# Info
+statslibx info iris.csv
+
+statslibx info iris.csv --detailed
+
+# Describe
+statslibx describe iris.csv --numeric
+
+statslibx describe iris.csv --categorical
+
+statslibx describe iris.csv
+
+# Quality
+statslibx quality iris.csv
+
+statslibx quality iris.csv --verbose
+
+# Preview
+statslibx preview iris.csv -n 10
+
+statslibx preview iris.csv -n 5 --sample
+```
+
+## Contribuciones
+
+¡Todas las mejoras e ideas son bienvenidas! 
+
+E-mail: ascendraemmanuel@gmail.com

{statslibx-0.2.5 → statslibx-0.2.6}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "statslibx"
-version = "0.2.5"
+version = "0.2.6"
 description = "StatsLibx - Librería de estadística descriptiva, inferencial y computacional"
 readme = "README.md"
 requires-python = ">=3.8"
@@ -34,7 +34,8 @@ dependencies = [
     "scikit-learn>=1.0",
     "statsmodels>=0.13",
     "seaborn>=0.11",
-    "plotly>=5.0"
+    "plotly>=5.0",
+    "viewx>=2.1"
 ]
 
 [project.optional-dependencies]
@@ -45,7 +46,11 @@ advanced = ["scikit-learn>=1.0", "statsmodels>=0.13"]
 statslibx = "statslibx.cli:main"
 
 [tool.setuptools.package-data]
-mi_libreria = ["datasets/*.csv", "datasets/*.xlsx"]
+statslibx = ["datasets/*.csv", "datasets/*.xlsx"]
 
 [tool.setuptools.packages.find]
 where = ["."]
+
+[project.urls]
+Documentation = "https://ghostanalyst30.github.io/StatsLibX/Documentation_Page/index.html"
+Repository = "https://ghostanalyst30.github.io/StatsLibX"

{statslibx-0.2.5 → statslibx-0.2.6}/statslibx/__init__.py

@@ -14,6 +14,7 @@ from .computational import ComputationalStats
 from .utils import UtilsStats
 from .preprocessing import Preprocessing
 from .datasets import load_dataset, generate_dataset
+from .viewx import HTML, Slides, Report, DataMatrix
 
 # Definir qué se expone cuando se hace: from statslib import *
 __all__ = [
@@ -25,7 +26,13 @@ __all__ = [
     'UtilsStats',
     'Preprocessing',
     'load_dataset',
-    'generate_dataset'
+    'generate_dataset',
+
+    # Viewx
+    'HTML',
+    'Slides',
+    'Report',
+    'DataMatrix'
 ]
 
 # Mensaje de bienvenida (opcional)

statslibx-0.2.6/statslibx/cli.py

@@ -0,0 +1,241 @@
+import argparse
+import statslibx as slx
+from statslibx.datasets import load_dataset
+from statslibx.preprocessing import Preprocessing
+import pandas as pd
+
+
+def main():
+    parser = argparse.ArgumentParser(
+        prog="statslibx",
+        description="Statslibx - Data analysis from terminal"
+    )
+
+    subparsers = parser.add_subparsers(dest="command", help="Comandos disponibles")
+
+    # describe - Estadísticas descriptivas completas
+    describe = subparsers.add_parser("describe", help="Estadísticas descriptivas")
+    describe.add_argument("file", help="Ruta del archivo o nombre del dataset (ej: iris, titanic)")
+    describe.add_argument("-n", "--numeric", action="store_true", help="Solo columnas numéricas")
+    describe.add_argument("-c", "--categorical", action="store_true", help="Solo columnas categóricas")
+
+    # quality - Calidad de datos
+    quality = subparsers.add_parser("quality", help="Reporte de calidad de datos")
+    quality.add_argument("file", help="Ruta del archivo o nombre del dataset")
+    quality.add_argument("-v", "--verbose", action="store_true", help="Mostrar detalles")
+
+    # preview - Vista previa
+    preview = subparsers.add_parser("preview", help="Vista previa de los datos")
+    preview.add_argument("file", help="Ruta del archivo o nombre del dataset")
+    preview.add_argument("-n", "--rows", type=int, default=5, help="Número de filas (default: 5)")
+    preview.add_argument("-s", "--sample", action="store_true", help="Muestra aleatoria")
+
+    # info - Información completa del dataset (NUEVO)
+    info = subparsers.add_parser("info", help="Información completa del dataset")
+    info.add_argument("file", help="Ruta del archivo o nombre del dataset")
+    info.add_argument("-d", "--detailed", action="store_true", help="Información detallada (tipos, nulos, memoria)")
+
+    # data - Comando específico que pediste
+    data = subparsers.add_parser("data", help="Resumen del dataset (filas, columnas, tipos)")
+    data.add_argument("file", help="Ruta del archivo o nombre del dataset (ej: iris, titanic, o archivo.csv)")
+    data.add_argument("-s", "--summary", action="store_true", help="Mostrar resumen estadístico básico")
+    data.add_argument("-t", "--types", action="store_true", help="Mostrar tipos de datos")
+    data.add_argument("-m", "--missing", action="store_true", help="Mostrar valores faltantes")
+
+    args = parser.parse_args()
+
+    if not args.command:
+        print(slx.welcome())
+        return
+
+    # Cargar datos (soporta datasets internos y archivos externos)
+    df = load_dataset(args.file)
+    
+    # Verificar si los datos se cargaron correctamente
+    if df is None or df.empty:
+        print(f"❌ Error: No se pudieron cargar los datos desde '{args.file}'")
+        return
+
+    pp = Preprocessing(df)
+
+    # Comando: describe
+    if args.command == "describe":
+        print("\n" + "="*80)
+        print(f"📊 ESTADÍSTICAS DESCRIPTIVAS - {args.file.upper()}")
+        print("="*80)
+        
+        if args.numeric:
+            print(pp.describe_numeric())
+        elif args.categorical:
+            print(pp.describe_categorical() if hasattr(pp, 'describe_categorical') else df.describe(include=['object', 'category']))
+        else:
+            # Mostrar ambas
+            print("\n📈 Variables Numéricas:")
+            print(pp.describe_numeric())
+            print("\n📝 Variables Categóricas:")
+            if hasattr(pp, 'describe_categorical'):
+                print(pp.describe_categorical())
+            else:
+                print(df.describe(include=['object', 'category']))
+
+    # Comando: quality
+    elif args.command == "quality":
+        print("\n" + "="*80)
+        print(f"🔍 CALIDAD DE DATOS - {args.file.upper()}")
+        print("="*80)
+        quality_report = pp.data_quality()
+        print(quality_report)
+        
+        if args.verbose and hasattr(pp, 'missing_details'):
+            print("\n📋 Detalle de valores faltantes:")
+            print(pp.missing_details())
+
+    # Comando: preview
+    elif args.command == "preview":
+        print("\n" + "="*80)
+        print(f"👁️ VISTA PREVIA - {args.file.upper()}")
+        print("="*80)
+        
+        if args.sample:
+            print(f"\n🎲 Muestra aleatoria de {args.rows} filas:")
+            print(df.sample(min(args.rows, len(df))))
+        else:
+            print(f"\n📄 Primeras {args.rows} filas:")
+            print(pp.preview_data(args.rows))
+
+    # Comando: info (nuevo - información completa)
+    elif args.command == "info":
+        print("\n" + "="*80)
+        print(f"ℹ️ INFORMACIÓN DEL DATASET - {args.file.upper()}")
+        print("="*80)
+        
+        # Información básica
+        print(f"\n📏 Dimensiones: {df.shape[0]} filas × {df.shape[1]} columnas")
+        print(f"💾 Memoria: {df.memory_usage(deep=True).sum() / 1024:.2f} KB")
+        
+        print(f"\n📋 Columnas ({len(df.columns)}):")
+        for i, col in enumerate(df.columns, 1):
+            print(f"  {i:3d}. {col}")
+        
+        if args.detailed:
+            print("\n🔧 Tipos de datos:")
+            print(df.dtypes)
+            
+            print("\n⚠️ Valores nulos:")
+            nulls = df.isnull().sum()
+            null_pct = (nulls / len(df)) * 100
+            null_df = pd.DataFrame({
+                'Nulos': nulls,
+                'Porcentaje': null_pct
+            })
+            print(null_df[null_df['Nulos'] > 0] if (nulls > 0).any() else "✅ No hay valores nulos")
+            
+            print("\n🔄 Valores únicos por columna:")
+            for col in df.columns:
+                unique_count = df[col].nunique()
+                print(f"  {col}: {unique_count:,} únicos")
+
+    # Comando: data (el que pediste específicamente)
+    elif args.command == "data":
+        print("\n" + "="*80)
+        print(f"📊 RESUMEN DEL DATASET - {args.file.upper()}")
+        print("="*80)
+        
+        # Información básica siempre visible
+        print(f"\n📏 Dimensiones:")
+        print(f"   • Filas:    {df.shape[0]:,}")
+        print(f"   • Columnas: {df.shape[1]:,}")
+        
+        print(f"\n📋 Columnas:")
+        for i, col in enumerate(df.columns, 1):
+            dtype = df[col].dtype
+            nulls = df[col].isnull().sum()
+            unique = df[col].nunique()
+            print(f"   {i:2d}. {col:20s} | Tipo: {str(dtype):12s} | Nulos: {nulls:4d} | Únicos: {unique:,}")
+        
+        if args.types:
+            print(f"\n🔧 Tipos de datos detallados:")
+            print(df.dtypes.to_string())
+        
+        if args.missing:
+            missing = df.isnull().sum()
+            missing_pct = (missing / len(df)) * 100
+            missing_data = missing[missing > 0]
+            if len(missing_data) > 0:
+                print(f"\n⚠️ Valores faltantes:")
+                for col, nulos in missing_data.items():
+                    print(f"   • {col}: {nulos:,} ({missing_pct[col]:.1f}%)")
+            else:
+                print(f"\n✅ No hay valores faltantes")
+        
+        if args.summary:
+            print(f"\n📈 Resumen estadístico rápido:")
+            numeric_cols = df.select_dtypes(include=['number']).columns
+            if len(numeric_cols) > 0:
+                print(f"\n   Variables numéricas ({len(numeric_cols)}):")
+                for col in numeric_cols[:5]:  # Mostrar primeras 5 numéricas
+                    print(f"   • {col}:")
+                    print(f"       Mín: {df[col].min():.2f} | Máx: {df[col].max():.2f}")
+                    print(f"       Media: {df[col].mean():.2f} | Mediana: {df[col].median():.2f}")
+                if len(numeric_cols) > 5:
+                    print(f"   ... y {len(numeric_cols)-5} columnas numéricas más")
+            else:
+                print("   No hay variables numéricas")
+            
+            categorical_cols = df.select_dtypes(include=['object', 'category']).columns
+            if len(categorical_cols) > 0:
+                print(f"\n   Variables categóricas ({len(categorical_cols)}):")
+                for col in categorical_cols[:3]:
+                    top_value = df[col].mode().iloc[0] if not df[col].mode().empty else "N/A"
+                    print(f"   • {col}: {df[col].nunique():,} categorías (Moda: {top_value})")
+                if len(categorical_cols) > 3:
+                    print(f"   ... y {len(categorical_cols)-3} columnas categóricas más")
+
+    else:
+        print(f"❌ Comando desconocido: {args.command}")
+
+"""
+# Básico - muestra dimensiones y columnas
+statslibx data iris.csv
+
+# Con resumen estadístico
+statslibx data iris.csv --summary
+
+# Con tipos de datos
+statslibx data iris.csv --types
+
+# Con valores faltantes
+statslibx data iris.csv --missing
+
+statslibx data mi_archivo.csv --summary --types --missing
+
+# Información completa
+statslibx info iris.csv
+
+# Con detalles avanzados
+statslibx info iris.csv --detailed
+
+# Solo numéricas
+statslibx describe iris.csv --numeric
+
+# Solo categóricas
+statslibx describe iris.csv --categorical
+
+statslibx describe iris.csv
+
+# Reporte básico
+statslibx quality iris.csv
+
+# Con verbose
+statslibx quality iris.csv --verbose
+
+# Primeras filas
+statslibx preview iris.csv -n 10
+
+# Muestra aleatoria
+statslibx preview iris.csv -n 5 --sample
+"""
+
+
+if __name__ == "__main__":
+    main()

{statslibx-0.2.5 → statslibx-0.2.6}/statslibx/datasets/__init__.py

@@ -110,6 +110,8 @@ def load_dataset(
     resource_name = path.name
     ext = path.suffix.lower()
 
+    if ext == "":
+        ext = ".csv"
 
     if ext not in _SUPPORTED_EXTENSIONS:
         raise ValueError(

statslibx-0.2.6/statslibx/viewx/__init__.py

@@ -0,0 +1,14 @@
+from viewx import (
+    HTML,
+    Slides,
+    Report,
+    DataMatrix
+)
+
+__all__ = [
+    "HTML",
+    "DashBoard",
+    "Slides",
+    "Report",
+    "DataMatrix"
+]

{statslibx-0.2.5 → statslibx-0.2.6/statslibx.egg-info}/PKG-INFO

@@ -1,9 +1,11 @@
 Metadata-Version: 2.4
 Name: statslibx
-Version: 0.2.5
+Version: 0.2.6
 Summary: StatsLibx - Librería de estadística descriptiva, inferencial y computacional
 Author-email: Emmanuel Ascendra Perez <ascendraemmanuel@gmail.com>
 License: MIT
+Project-URL: Documentation, https://ghostanalyst30.github.io/StatsLibX/Documentation_Page/index.html
+Project-URL: Repository, https://ghostanalyst30.github.io/StatsLibX
 Classifier: Development Status :: 3 - Alpha
 Classifier: Intended Audience :: Science/Research
 Classifier: Topic :: Scientific/Engineering :: Mathematics
@@ -23,6 +25,7 @@ Requires-Dist: scikit-learn>=1.0
 Requires-Dist: statsmodels>=0.13
 Requires-Dist: seaborn>=0.11
 Requires-Dist: plotly>=5.0
+Requires-Dist: viewx>=2.1
 Provides-Extra: viz
 Requires-Dist: seaborn>=0.11; extra == "viz"
 Requires-Dist: plotly>=5.0; extra == "viz"
@@ -30,9 +33,9 @@ Provides-Extra: advanced
 Requires-Dist: scikit-learn>=1.0; extra == "advanced"
 Requires-Dist: statsmodels>=0.13; extra == "advanced"
 
-# 📦 StatsLibX v2.5
+# StatsLibX v2.6
 
-![](https://github.com/GhostAnalyst30/StatsLibX/blob/main/StatsLibX.png)
+![](https://raw.githubusercontent.com/GhostAnalyst30/StatsLibX/main/StatsLibX.png)
 
 StatsLibX es un paquete de Python diseñado para proporcionar una solución sencilla, eficiente y flexible para manejar volumenes de datos.
 
@@ -42,22 +45,22 @@ Este proyecto surge con la idea de ofrecer una alternativa moderna, intuitiva y
 | **Documentacion:** | **GitHub del Proyecto:** |
 |-------------------|--------------------------|
 [Documentacion StatsLibX](https://ghostanalyst30.github.io/StatsLibX/Documentation_Page/index.html) |  [Github/StatsLibX](https://github.com/GhostAnalyst30/StatsLibX)
-|**Version:** 0.2.5 | **Autor:** Emmanuel Ascendra |
+|**Version:** 0.2.6 | **Autor:** Emmanuel Ascendra |
 
 
-## ✨ Características principales
+## Características principales
 
-- ⚡ Rápido y eficiente: optimizado para ofrecer un rendimiento suave incluso en tareas exigentes.
+- Rápido y eficiente: optimizado para ofrecer un rendimiento suave incluso en tareas exigentes.
 
-- 🧩 Fácil de usar: una API limpia para que empieces en segundos.
+- Fácil de usar: una API limpia para que empieces en segundos.
 
-- 🔧 Altamente extensible: personalízalo según tus necesidades.
+- Altamente extensible: personalízalo según tus necesidades.
 
-- 📚 Documentación clara: ejemplos simples y prácticos.
+- Documentación clara: ejemplos simples y prácticos.
 
-- 🔮 Diseñado con visión a futuro: construido para escalar y adaptarse.
+- Diseñado con visión a futuro: construido para escalar y adaptarse.
 
-## 🚀 Ejemplo rápido
+## Ejemplo rápido
 ```python
 from statslibx import DescriptiveStats, InferentialStats, ComputationalStats, UtilsStats
 from statslibx.datasets import load_iris()
@@ -69,22 +72,53 @@ stats = DescriptiveStats(data)
 
 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)
+Para ver mas funciones: [StatslibX](https://github.com/GhostAnalyst30/StatsLibX/blob/main/how_use_statslibx.ipynb)
 
-##  📦 Instalación
+## Instalación
 ```bash
 pip install statslibx
 ```
 
-## 👩‍💻 ¡Usalo en la terminal! (De forma preliminar)
+## Implementacion con ViewX
+
+```python
+from statslibx.viewx import HTML, Slides, Report, DataMatrix
+```
+![ViewX](https://raw.githubusercontent.com/GhostAnalyst30/ViewX/main/images_for_git/DashBoard_Example.png)
+
+Para saber mas: [ViewX](https://ghostanalyst30.github.io/ViewX/Documentation_Page/index.html)
+
+## ¡Usalo en la terminal!
 ```bash
-statslibx                        # Informacion general de la libreria
-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
+# Data
+statslibx data iris.csv
+
+statslibx data mi_archivo.csv --summary --types --missing
+
+# Info
+statslibx info iris.csv
+
+statslibx info iris.csv --detailed
+
+# Describe
+statslibx describe iris.csv --numeric
+
+statslibx describe iris.csv --categorical
+
+statslibx describe iris.csv
+
+# Quality
+statslibx quality iris.csv
+
+statslibx quality iris.csv --verbose
+
+# Preview
+statslibx preview iris.csv -n 10
+
+statslibx preview iris.csv -n 5 --sample
 ```
 
-🤝 Contribuciones
+## Contribuciones
 
 ¡Todas las mejoras e ideas son bienvenidas! 
 

{statslibx-0.2.5 → statslibx-0.2.6}/statslibx.egg-info/SOURCES.txt

@@ -21,4 +21,7 @@ statslibx/datasets/penguins.csv
 statslibx/datasets/sp500_companies.csv
 statslibx/datasets/titanic.csv
 statslibx/preprocessing/__init__.py
-tests/test1.py
+statslibx/viewx/__init__.py
+tests/test1.py
+tests/test2.py
+tests/test3.py

{statslibx-0.2.5 → statslibx-0.2.6}/statslibx.egg-info/requires.txt

@@ -6,6 +6,7 @@ scikit-learn>=1.0
 statsmodels>=0.13
 seaborn>=0.11
 plotly>=5.0
+viewx>=2.1
 
 [advanced]
 scikit-learn>=1.0

statslibx-0.2.6/tests/test2.py

@@ -0,0 +1,39 @@
+from statslibx.viewx import HTML
+from statslibx.datasets import load_iris
+import plotly.express as px
+
+data = load_iris()
+
+page = HTML(
+    data=data,
+    title="Iris DashBoard",
+    num_cols=2,
+    num_rows=2,
+    theme="dark"
+)
+
+page.add_text(
+    content="""Este dashboard fue hecho con el fin
+    de poner a prueba la herramienta de Viewx\n
+    \t\t\t- Emmanuel Ascendra""",
+    slot_grid=(1, 1, 1, 1)
+)
+
+page.add_table(
+    df=data.head(10),
+    title="Dataset de Iris",
+    slot_grid=(1, 2, 1, 1)
+)
+
+scatter_plot = px.scatter(
+    data_frame=data,
+    x="sepal_length",
+    y="petal_length"
+)
+
+page.add_plot(
+    fig=scatter_plot,
+    slot_grid=(2, 1, 1, 4)
+)
+
+page.generate(filename="Dashboard_Iris.html")

statslibx-0.2.6/tests/test3.py

@@ -0,0 +1 @@
+from statslibx.viewx import HTML

statslibx-0.2.5/README.md

@@ -1,59 +0,0 @@
-# 📦 StatsLibX v2.5
-
-![](https://github.com/GhostAnalyst30/StatsLibX/blob/main/StatsLibX.png)
-
-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, inferencial y computacional** sin complicaciones, con multiples funcionalidades y utilidades pensadas para el futuro.
-
-
-| **Documentacion:** | **GitHub del Proyecto:** |
-|-------------------|--------------------------|
-[Documentacion StatsLibX](https://ghostanalyst30.github.io/StatsLibX/Documentation_Page/index.html) |  [Github/StatsLibX](https://github.com/GhostAnalyst30/StatsLibX)
-|**Version:** 0.2.5 | **Autor:** Emmanuel Ascendra |
-
-
-## ✨ Características principales
-
-- ⚡ Rápido y eficiente: optimizado para ofrecer un rendimiento suave incluso en tareas exigentes.
-
-- 🧩 Fácil de usar: una API limpia para que empieces en segundos.
-
-- 🔧 Altamente extensible: personalízalo según tus necesidades.
-
-- 📚 Documentación clara: ejemplos simples y prácticos.
-
-- 🔮 Diseñado con visión a futuro: construido para escalar y adaptarse.
-
-## 🚀 Ejemplo rápido
-```python
-from statslibx import DescriptiveStats, InferentialStats, ComputationalStats, UtilsStats
-from statslibx.datasets import load_iris()
-
-data = load_iris()
-
-stats = DescriptiveStats(data) 
-# InferentialStats(data), ComputationalStats(data), UtilsStats()
-
-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                        # Informacion general de la libreria
-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! 
-
-E-mail: ascendraemmanuel@gmail.com

statslibx-0.2.5/statslibx/cli.py

@@ -1,48 +0,0 @@
-import argparse
-import statslibx as slx
-from statslibx.datasets import load_dataset
-from statslibx.preprocessing import Preprocessing
-
-
-def main():
-    parser = argparse.ArgumentParser(
-        prog="statslibx",
-        description="Statslibx - Data analysis from terminal"
-    )
-
-    subparsers = parser.add_subparsers(dest="command")
-
-    # describe
-    describe = subparsers.add_parser("describe")
-    describe.add_argument("file")
-
-    # quality
-    quality = subparsers.add_parser("quality")
-    quality.add_argument("file")
-
-    # preview
-    preview = subparsers.add_parser("preview")
-    preview.add_argument("file")
-    preview.add_argument("-n", "--rows", type=int, default=5)
-
-    args = parser.parse_args()
-
-    if not args.command:
-        print(slx.welcome())
-        return
-
-    df = load_dataset(args.file)
-    pp = Preprocessing(df)
-
-    if args.command == "describe":
-        print(pp.describe_numeric())
-
-    elif args.command == "quality":
-        print(pp.data_quality())
-
-    elif args.command == "preview":
-        print(pp.preview_data(args.rows))
-
-
-if __name__ == "__main__":
-    main()