Juan Quintana jmquintana79

Comandos básicos

Poetry es una herramienta de gestión de dependencias y empaquetado en Python que simplifica la gestión de proyectos. Aquí tienes algunos comandos básicos para manejar dependencias con Poetry:

1. Inicializar un proyecto nuevo:

poetry init

Este comando te guiará a través de una serie de preguntas para configurar un nuevo proyecto de Poetry. Básicamente crea el archivo pyproject.toml. Este archivo es utilizado para definir las dependencias del proyecto, la versión de Python, la configuración del entorno y otros metadatos del paquete, como el nombre, la versión y el autor.

Automated Code Style

black (ESSENTIAL and alternative to ruff)

Code style formatting automatically. Possible in pre-commit. https://black.readthedocs.io/en/stable/ > black main.py

ruff (ESSENTIAL and alternative to black allthough more complete)

Code style linting for checking and formatting automatically.

	## for example, append src folder from a module

	# when this command does not work
	sys.path.append("../")
	# replace by
	src_path = os.path.abspath(os.path.join(os.path.dirname(__file__), '../'))
	sys.path.append(src_path)

	import pandas as pd
	import statsmodels.api as sm

	def analysis_lr(df:pd.DataFrame, l_columns_X:list, column_Y:str, alpha:float = .01)->pd.DataFrame:
	# validate arguments
	assert isinstance(df, pd.DataFrame) and len(df) > 0
	for c in l_columns_X + [column_Y]:
	assert c in df.columns.tolist()
	# data preparation
	X = df[l_columns_X]

	import os
	import shutil

	def clean(path:str = '.')->None:
	"""
	Clean files and folders generated by Python: *.pyc y __pycache__.
	"""
	# initialize folders to be omited
	exclude_dirs = ["venv"]
	# loop of paths

	def create_agg_pivot_table_by_references(df:pd.DataFrame,
	col_values:str,
	col_var_ref_1:str,
	col_var_ref_2:str,
	sagg:str = 'median')->pd.DataFrame:
	"""Create a pivot table by a given references and aggregator

	Arguments:
	df {pd.DataFrame} -- Data to be used.
	col_values {str} -- Name of column values to be used.

	import pandas as pd
	import numpy as np
	import copy
	import logging

	def counter_consecutive_frozen_values(df:pd.DataFrame, column:str)->pd.DataFrame:
	"""Count consecutive frozen values

	It is added a new column 'counter' with counting values.

	# validate dt column exits
	assert "dt_local" in df.columns.tolist()
	# make sure is a dt column
	df["dt_local"] = pd.to_datetime(df["dt_local"])
	# set to local time (Europe/Madrid)
	s_local_time = "Europe/Madrid"
	df["local"] = df["dt_local"].dt.tz_localize(s_local_time, ambiguous=True)
	# conversion local to UTC
	df["dt_utc"] = df["local"].dt.tz_convert("UTC")
	# to dt

	import numpy as np
	from scipy.stats import t

	def grubbs_test(data, alpha=0.05):
	"""
	Realiza el Grubbs' Test para detectar un único valor atípico en la muestra de datos.

	Parameters:
	data (list or numpy array): Lista de datos numéricos.
	alpha (float): Nivel de significancia para el test. Default es 0.05.