You can deploy this model and start earning money today!

aitziberluis/
eda-express

generic

exploratory-data-analysis

Views

No views yet

EDA Express — análisis exploratorio automático

Dado un dataset tabular (CSV, Excel o DataFrame), genera el análisis exploratorio que un analista haría en su primera hora: calidad de datos, estadísticos, correlaciones, alertas accionables e informe en Markdown. Todo corre en tu máquina — no hay servidor ni se envían datos a ningún sitio.

Motor de 12 alertas de calidad con recomendación concreta: faltantes por gravedad, columnas constantes, posibles IDs, cardinalidad alta, duplicados (filas y columnas), numéricas/fechas guardadas como texto, outliers, asimetría, pares redundantes y clases desbalanceadas.
Estadística sólida sin dependencias pesadas: correlaciones de Pearson, V de Cramér entre categóricas, eta² respecto al objetivo y PCA — implementados con pandas y numpy, sin scipy ni scikit-learn.
Informe en Markdown listo para adjuntar o convertir a PDF.
Código fuente, app web (Streamlit + Docker) y API REST: github.com/aitziberluis/eda-express

Uso

python

# pip install huggingface_hub pandas numpy tabulate requests
import sys

import pandas as pd
from huggingface_hub import snapshot_download

sys.path.insert(0, snapshot_download("aitziberluis/eda-express"))
from eda import alerts, profiler, report

df = pd.read_csv("mi_dataset.csv")

# Visión general y alertas accionables
print(profiler.overview(df))
for alerta in alerts.run_all_checks(df, target="mi_columna_objetivo"):
    print(f"[{alerta['nivel']}] {alerta['columna']}: {alerta['mensaje']}")
    print(f"   -> {alerta['recomendacion']}")

# Estadísticos y asociaciones
print(profiler.numeric_table(df))
print(profiler.cramers_v_matrix(df))
print(profiler.eta_squared_table(df, "mi_columna_objetivo"))

# Informe completo en Markdown
md = report.build_report(df, "mi_dataset", alerts.run_all_checks(df), target=None)
open("informe.md", "w", encoding="utf-8").write(md)

O ejecuta el ejemplo incluido (usa el dataset del Titanic): python example.py

Qué incluye el análisis

Función	Qué devuelve
`profiler.overview(df)`	Filas, columnas, memoria, faltantes, duplicados
`profiler.column_table(df)`	Tipo, faltantes, únicos y ejemplos por columna
`profiler.numeric_table(df)`	describe() ampliado: asimetría, curtosis, outliers IQR
`profiler.categorical_table(df)`	Cardinalidad, moda y concentración por categórica
`profiler.correlation_matrix(df)` / `top_correlations`	Pearson y ranking de pares
`profiler.cramers_v_matrix(df)`	Asociación entre categóricas
`profiler.eta_squared_table(df, target)`	Varianza explicada por las clases del objetivo
`profiler.pca_summary(df)`	Varianza explicada, proyección 2D y cargas
`profiler.numeric_stored_as_text(df)`	Numéricas atrapadas en columnas de texto
`profiler.dates_stored_as_text(df)`	Fechas atrapadas en columnas de texto
`profiler.duplicate_columns(df)`	Pares de columnas idénticas
`alerts.run_all_checks(df, target)`	Las 12 alertas con recomendaciones
`report.build_report(...)`	Informe completo en Markdown

Limitaciones

Pensado para datos tabulares de hasta unos pocos millones de celdas.
Las alertas son heurísticas con umbrales razonables, no verdades absolutas.
La detección de tipos mal guardados exige que ≥80% de los valores parseen.

Licencia

MIT