¡Copiado al portapapeles!
✦ Python · Estadística · v2.5

Stats LibX

Análisis estadístico potente, moderno y accesible. Desde lo descriptivo hasta lo computacional, en una sola librería.

$ pip install statslibx ⎘ copiar
Ver documentación → GitHub ↗
6+
Módulos
40+
Métodos
6
Datasets internos
v2.5
Versión actual

Todo lo que necesitas para
análisis estadístico

Cada módulo es independiente y enfocado en un área específica de la estadística.

📊
DescriptiveStats
Media, mediana, moda, varianza, desviación estándar, asimetría, curtosis, percentiles, outliers, correlación, covarianza y regresión lineal simple o múltiple.
mean()summary()linear_regression()
Ver documentación →
🔬
InferentialStats
Intervalos de confianza, T-Test (1 y 2 muestras, pareado), Mann-Whitney, Chi-Square, ANOVA, Kruskal-Wallis, normalidad y test de varianzas.
t_test()anova_oneway()normality_test()
Ver documentación →
🧠
ComputationalStats
Métodos computacionales avanzados: aproximaciones de funciones con estadísticas automáticas de resultados a partir de datos.
linear_regression()
Ver documentación →
🛠️
UtilsStats
Normalidad, intervalos de confianza, outliers, tamaño del efecto, y visualizaciones con matplotlib, seaborn y plotly. Acepta DataFrames, arrays y rutas de archivo.
plot_distribution()detect_outliers()
Ver documentación →
🧹
Preprocessing
Detección y manejo de nulos, normalización, estandarización, filtrado de filas y columnas, outliers, calidad de datos y conversión de tipos.
detect_nulls()normalize()data_quality()
Ver documentación →
🗄️
Datasets
Datasets internos listos para usar (iris, penguins, titanic, sp500, etc.) y generación sintética con distribuciones configurables por esquema.
load_iris()generate_dataset()
Ver documentación →

Primeros pasos

from statslibx import DescriptiveStats, InferentialStats
from statslibx.datasets import load_iris

# Cargar dataset
data = load_iris()

# Estadística descriptiva
ds = DescriptiveStats(data)
print(ds.summary())                              # Resumen completo
print(ds.mean('sepal_length'))                  # Media de una columna
print(ds.correlation(method='pearson'))         # Correlación
print(ds.linear_regression(X='sepal_length', y='petal_length'))

# Estadística inferencial
inf = InferentialStats(data)
ci = inf.confidence_interval(column='sepal_length', statistic='mean')
print(f"IC 95%: [{ci[0]:.3f}, {ci[1]:.3f}]")

result = inf.normality_test(column='sepal_length', method='shapiro')
print(result)

Listos para explorar

🌸iris.csv
🐧penguins.csv
🚢titanic.csv
📈sp500_companies.csv
📚course_completion.csv
🍫Cocoa_Bubbles_...xlsx