DataMatrix — ViewX

Descripcion general

DataMatrix toma un DataFrame de pandas y genera un reporte HTML con pestanas:

Overview — KPIs, alertas y fortalezas del dataset
Variables — perfil por columna con busqueda y graficos lazy
Explore — filtrado interactivo, graficos en vivo y descarga CSV
Correlations — pares numericos con mayor correlacion
Bibliometrics — autores, journals, keywords (si aplica)
Sample — muestra paginada del dataset

Instalacion

pip install viewx

Inicio rapido

Python

from viewx import DataMatrix
from viewx.datasets import load_iris

df = load_iris()

dm = DataMatrix(df)
dm.analyze()
print(dm.summary(detailed=True))
print("Alerts:", dm.alerts())
print("Highlights:", dm.highlights())
dm.generate_report("mi_reporte.html", title="Analisis Iris", theme="dark")

Constructor

DataMatrix(df: pd.DataFrame)

Inicializa una instancia de DataMatrix con un DataFrame de pandas. Crea copias internas del DataFrame original y prepara los contenedores para estadisticas y alertas.

df pd.DataFrame - DataFrame a analizar

ⓘ Nota

DataMatrix mantiene una copia del DataFrame original (self.original_df) y una copia de trabajo (self.df) para preservar los datos originales durante la limpieza.

analyze()

analyze() → DataMatrix

Ejecuta el perfilado completo via AnalyzerEngine: tipos de columna, correlaciones, bibliometria y alertas. Retorna self para encadenamiento.

summary() / alerts() / highlights()

summary(detailed=False) → dict

Resumen del dataset. Con detailed=True incluye alertas, highlights, listas de columnas y correlaciones.

alerts() → List[str]

Advertencias de calidad: nulos, outliers, columnas constantes, duplicados, skewness.

highlights() → List[str]

Aspectos positivos del dataset: baja tasa de nulos, sin duplicados, correlaciones fuertes, cardinalidad usable.

clean_data()

clean_data(drop_duplicates=True, fill_na=False, na_strategy=None)

Limpia el DataFrame eliminando duplicados e imputando nulos. na_strategy permite reglas por columna: mean, median, mode, auto, drop.

drop_duplicates bool, default=True

fill_na bool | str, default=False — True, "ffill" o "bfill"

na_strategy dict, optional — estrategia por columna

Python

dm = DataMatrix(df)

# Solo eliminar duplicados
dm.clean_data(drop_duplicates=True, fill_na=False)

# Eliminar duplicados e imputar nulos
dm.clean_data(drop_duplicates=True, fill_na=True)

filter_rows() / select_columns() / reset_data()

filter_rows(query: str) → DataMatrix

Filtra filas con una expresion pandas query(). Invalida el analisis previo.

select_columns(columns: List[str]) → DataMatrix

Conserva solo las columnas indicadas.

reset_data() → DataMatrix

Restaura el DataFrame original antes de limpieza o filtros.

generate_report()

generate_report(output_path, title, theme="dark", show=True, explorer_max_rows=5000)

Genera el reporte HTML completo y opcionalmente lo abre en el navegador.

output_path str

title str

theme str — "dark" o "light"

show bool

render_html(title, theme="dark", explorer_max_rows=5000) → str

Retorna el HTML como string sin escribir archivo.

Python

dm = DataMatrix(df)
path = dm.generate_report(
    output_path="analisis_ventas.html",
    title="Reporte de Ventas Q4 2024"
)
print(f"Reporte generado: {path}")

Explore tab (interactivo)

La pestana Explore embebe un explorador client-side con:

Filtros por columna (numericos, categoricos, fechas)
Constructor de graficos en vivo (bar, scatter, line, pie)
Tabla paginada con datos filtrados
Descarga CSV del subset activo

Los datos se serializan en JSON (hasta explorer_max_rows filas, default 5000).