exploradata 0.1.0

Ferramentas simples e composáveis para exploração de DataFrames (EDA)

exploradata

Ferramentas simples e composáveis para exploração de DataFrames pandas (EDA).

Todas as funções retornam DataFrames — dá para filtrar, ordenar, exportar e encadear. Quando você só quer olhar, use verbose=True ou a função profile().

Instalação

pip install git+https://github.com/anna-gatelli/exploradata.git

Ou, para desenvolvimento local:

git clone https://github.com/anna-gatelli/exploradata.git
cd exploradata
pip install -e ".[dev]"

Uso rápido

import pandas as pd
import exploradata as xd

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

# Relatório completo de uma vez
report = xd.profile(df)

# Ou função por função:
xd.unique_values(df, "cidade")   # únicos com frequência e %
xd.summary(df)                   # df.info() melhorado
xd.missing(df)                   # nulos ranqueados
xd.outliers(df)                  # outliers por IQR (ou method="zscore")
xd.peek(df)                      # head + amostra aleatória + tail

Funções

Visão geral

Função	O que faz
summary(df)	Tipo, nulos, únicos, cardinalidade e memória por coluna
peek(df, n=5)	head + amostra aleatória + tail em um só DataFrame
detect_types(df)	Detecta números, datas e booleanos "disfarçados" em colunas de texto

Qualidade

Função	O que faz
missing(df)	Nulos por coluna (contagem e %), ranqueados
duplicates(df, subset=None)	Linhas duplicadas, completas ou por chave
outliers(df, method="iqr")	Outliers por IQR ou z-score nas numéricas
text_issues(df)	Espaços extras e variações de capitalização que inflam os únicos

Por coluna

Função	O que faz
unique_values(df, coluna, top=20)	Valores únicos com frequência e % (sem coluna: todas)
cardinality(df)	% de únicos + classificação (id, categoria, constante...)
describe_numeric(df)	Estatísticas + percentis + skewness + kurtosis
describe_categorical(df)	Moda, frequências e top valores

Relações

Função	O que faz
correlation(df, method="pearson")	Matriz de correlação (pearson/spearman/kendall)
high_correlations(df, threshold=0.9)	Pares de colunas possivelmente redundantes
constant_columns(df)	Colunas constantes ou quase constantes

Consolidado

Função	O que faz
profile(df)	Roda tudo e imprime relatório organizado; retorna dict de DataFrames
compare(df_a, df_b)	Compara schema e distribuições — útil pra validar cargas

Exemplo de saída

>>> xd.unique_values(df, "cidade")
  valor  frequencia    pct
0    SP          38  38.00
1    RJ          25  25.00
2    BH          20  20.00
3    sp          10  10.00
4   " SP"         7   7.00

Repare que text_issues(df) avisaria que "SP", "sp" e " SP" provavelmente são o mesmo valor.

Rodando os testes

pytest

Licença

MIT