El bloque <mix>

Úselo cuando las proporciones de una columna no son iguales y además cada variante es más que una sola palabra. Los datos reales son desparejos: casi todos los pedidos están paid y muy pocos cancelled; casi todas las cuentas son free y muy pocas premium. Usted quiere una columna donde las variantes aparezcan en proporciones fijas — ni repartidas por igual, ni como ruido aleatorio.

<mix> es una distribución: una fuente con nombre que reparte sus variantes — las ramas <case> — entre las filas en porcentajes exactos. Piénselo como una <sequence> cuyos valores se distribuyen por percent, salvo que cada rama puede ser todo un compuesto de literales y generadores en vez de un único valor simple. El reparto es determinista para una seed dada.

Las salidas de ejemplo que siguen son ilustrativas — los valores exactos que produce una seed dada pueden cambiar entre versiones del core, pero los conteos que garantiza una máscara percent nunca cambian.

Lo declarado frente a lo producido, sobre 1000 filas. No de manera aproximada: los conteos caen exactamente en las proporciones declaradas.

• los porcentajes escritos en la configuración
• la proporción que realmente se produjo

Una distribución con nombre

<mix> va directamente en <env>, justo al lado de <sequence> — no hace falta ningún envoltorio, basta con darle un name. El valor se lee con ${{Nombre}}, exactamente igual que cualquier otra fuente con nombre:

<env count="100" seed="demo" inject="${{%}}">
    <mix name="Code" percent="25,70">
        <case><gen type="text" value="A"/></case>
        <case><gen type="text" value="B"/></case>
        <case><gen type="text" value="C"/></case>
    </mix>
</env>
<block>
    <line><data>${{Code}}</data></line>
</block>

Las primeras filas no dicen nada — las proporciones solo se ven a lo largo de toda la muestra:

./run code.tdc (primeras 6 filas)

A
B
A
B
B
A

Cuente las 100 filas y el reparto es exacto:

./run code.tdc (count=100, con conteo)

A   25
B   70
C    5

Exactamente 25 / 70 / 5. La máscara fija las dos primeras proporciones; la tercera rama se lleva el resto, 100 − 25 − 70 = 5. Esto no es «como 25 %»: es un reparto exacto por el método de Hamilton (mayores restos), el mismo que gobierna percent en el generador text.

Cambie las proporciones y cambia el reparto

Las mismas ramas A/B/C, pero con percent="60,30":

<mix name="Code" percent="60,30">
    <case><gen type="text" value="A"/></case>
    <case><gen type="text" value="B"/></case>
    <case><gen type="text" value="C"/></case>
</mix>

./run code.tdc (count=100, con conteo)

A   60
B   30
C   10

60 / 30, y el sobrante 10 se va a la tercera rama. Un solo número de la máscara vuelve a cortar la columna entera.

Cuándo se necesita <mix> — y cuándo basta con text

Para una simple distribución de cadenas ya hechas, <mix> es excesivo: el generador text ya reparte proporciones exactas con percent.

<sequence name="Gender">
    <gen type="text" value="Hombre,Mujer" percent="50,50"/>
</sequence>

./run gender.tdc (count=20, con conteo)

Hombre   10
Mujer    10

<mix> se gana su lugar solo cuando las ramas son compuestas — cuando cada variante se arma con su propia mezcla de texto literal y generadores. Ese es el caso al que llevan las secciones siguientes.

Atributos

Atributo	Obligatorio	Qué hace
name	sí	El nombre para interpolar con ${{Nombre}}
percent	no	La proporción de cada <case>; omítalo para un reparto uniforme
parent	no	Una secuencia padre — el reparto se calcula dentro de su subconjunto
flag	no	Agrega una columna de respuestas que marca la rama atípica (ver más abajo)
comment	no	Una nota libre para el autor de la configuración; nunca se renderiza

Un <mix> debe contener al menos un <case> — una rama. Todo lo demás es opcional.

percent — opcional, y las máscaras cortas

Deje percent fuera por completo y las ramas se reparten de forma uniforme. Tres casos sobre 99 filas dan 33 cada uno:

<mix name="Bucket">
    <case><gen type="text" value="low"/></case>
    <case><gen type="text" value="mid"/></case>
    <case><gen type="text" value="high"/></case>
</mix>

./run bucket.tdc (count=99, con conteo)

low    33
mid    33
high   33

Cuando sí se da una máscara, esta sigue la misma gramática que percent en text: un número fija la proporción de esa rama, y cada posición vacía — una coma suelta dentro de la máscara ("25,,70") o una coma final ("25,70,") — reparte por igual lo que falta para llegar a 100. Los dos ejemplos del inicio de esta página ya se apoyan en esa regla: percent="25,70" deja que la tercera rama absorba el resto.

count decide qué fila recibe qué rama

percent es una cuota sobre toda la corrida, no una moneda al aire por fila. Es una promesa que vale tener: pida 15% y obtiene 15%, no "más o menos, según la suerte". Pero trae una consecuencia que sorprende la primera vez, y conviene encontrarla aquí y no en sus datos.

<mix name="Temperature" percent="85">
    <case><gen type="number" value="-5..5" decimals="2"/></case>
    <case><gen type="number" value="[450..501],[650..701],[1000..1100]" decimals="2"/></case>
</mix>

Ejecútelo con count="10", luego con count="100", y compare las primeras diez filas:

./run temp.tdc — las primeras diez filas, la misma semilla

count=10    -1.76  3.70    -0.44  0.96  499.88  0.21  2.18  2.20  -3.16  0.69
count=100   -1.76  468.42  -0.44  0.96  499.88  0.21  2.18  2.20  -3.16  0.69

Cambió la fila dos. Nada más: -1.76, -0.44, 0.96, 0.21, 2.18 y 0.69 son idénticos, e incluso el pico de la fila cinco se quedó donde estaba. Los valores no se movieron; lo que se movió fue la asignación de rama. El número de cada fila está atado a esa fila y se mantiene; lo que cambia es qué rama le tocó.

La razón es aritmética. Con diez filas, 15% son una fila y media, y una fila no se parte, así que la cuota sale en un solo pico. Con cien filas son exactamente quince. Distinto count significa distinta cantidad de filas con pico, y sus lugares salen de una permutación sobre toda la corrida, de modo que una corrida más larga es otra permutación:

count	filas con pico	15% de count
10	1	1.5
20	3	3.0
100	15	15.0
1000	150	150.0

Si necesita que una fila no cambie al cambiar count, lo que quiere es una decisión por fila — anomaly en el generador decide fila por fila, así que las primeras diez filas son idénticas con cualquier longitud de corrida. El intercambio es simétrico: la proporción pasa a ser aproximada, y diez filas podrían llevar un valor atípico o tres.

En resumen: <mix percent=> para una proporción exacta, cuando produce un conjunto de datos fijo. anomaly= para filas estables, cuando sube count para ver qué sigue.

parent — una distribución dentro de un subconjunto

Déle un parent a un <mix> y los porcentajes se cuentan contra el subconjunto filtrado de filas, no contra el count completo — la misma regla que gobierna una <sequence> dependiente. Aquí las cuentas de paga reciben un desglose por nivel; las cuentas gratuitas dejan la columna vacía:

<sequence name="Segment">
    <gen type="text" value="Free,Paid" percent="70,30"/>
</sequence>

<mix name="Tier" parent="Segment.Paid" percent="60,30">
    <case><gen type="text" value="Silver"/></case>
    <case><gen type="text" value="Gold"/></case>
    <case><gen type="text" value="Platinum"/></case>
</mix>

Sobre count="100", 30 filas son Paid. La máscara 60 / 30 se aplica a esas 30 filas, así que Tier se reparte 18 / 9 / 3:

./run tier.tdc (solo las filas Paid, con conteo)

Silver     18
Gold        9
Platinum    3

18 + 9 + 3 = 30 — todo el subconjunto de paga, y no un porcentaje del total de 100. Este es el corazón del modelo jerárquico; el tratamiento completo, con niveles anidados, está en Dependencias jerárquicas.

<mix> se anida

Un <case> puede contener a su vez un <mix> anidado, y el reparto anidado se cuenta contra las filas que eligieron la rama externa — la misma regla de subconjunto, un nivel más adentro. Aquí un tercio de todas las filas son error, y dentro de ellas un <mix> interno gradúa la severidad:

<mix name="Status" percent="34,33">
    <case>
        <gen type="text" value="ok"/>
    </case>
    <case>
        <gen type="text" value="warn"/>
    </case>
    <case>
        <mix percent="70,20">
            <case><data>error/minor</data></case>
            <case><data>error/major</data></case>
            <case><data>error/fatal</data></case>
        </mix>
    </case>
</mix>

Sobre count="100" el reparto externo es 34 ok / 33 warn / 33 error. La máscara interna 70 / 20 divide entonces esas 33 filas de error en 23 / 7 / 3:

./run status.tdc (count=100, con conteo)

ok            34
warn          33
error/minor   23
error/major    7
error/fatal    3

23 + 7 + 3 = 33 — exactamente el subconjunto de errores.

Lo mismo vale un nivel más arriba: un <mix> escrito dentro de una rama de <switch> toma su cuota sobre las filas que esa rama capturó, no sobre la ejecución completa.

Una proporción menor que un registro

La regla del subconjunto tiene un borde que conviene conocer de antemano. Un porcentaje es una proporción de las filas que llegan a la rama, no una probabilidad que se tira para cada fila. Cuando esa proporción resulta menor que una fila entera, la rama puede producir un valor y puede no producir nada.

Esta configuración le da un diagnóstico a cada registro. El diez por ciento de cada sexo recibe un diagnóstico específico de ese sexo, y el resto recibe uno general:

<env count="10" seed="demo" local="en">
    <sequence name="Gender">
        <gen type="text" value="Male,Female" percent="50,50"/>
    </sequence>
    <switch name="Diagnosis" on="Gender">
        <case is="Male">
            <mix percent="10,90">
                <case><gen type="template" value="medical.diagnosisMale"/></case>
                <case><gen type="template" value="medical.diagnosis"/></case>
            </mix>
        </case>
        <case is="Female">
            <mix percent="10,90">
                <case><gen type="template" value="medical.diagnosisFemale"/></case>
                <case><gen type="template" value="medical.diagnosis"/></case>
            </mix>
        </case>
    </switch>
</env>

./run diagnosis.tdc (count=10, seed=demo)

Female,Coronary Artery Disease
Female,Tuberculosis
Male,Attention Deficit Hyperactivity Disorder
Male,Osteoarthritis
Male,Hypothyroidism
Male,Celiac Disease
Female,Anemia
Female,Postpartum Hemorrhage
Female,Tinnitus
Male,Obstructive Sleep Apnea

El lado femenino funcionó: Postpartum Hemorrhage en la fila 8 viene de medical.diagnosisFemale. Del lado masculino no aparece nada de medical.diagnosisMale — las cinco filas masculinas llevan condiciones generales.

Los datos son correctos, la configuración es correcta y el reparto también. Cuente las filas masculinas: son cinco. El diez por ciento de cinco filas es media fila.

Una proporción menor que una fila no es una probabilidad baja, es un volado invisible

percent="10" sobre un subconjunto de cinco filas pide 0.5 registros. TDC no puede emitir medio registro, así que emite uno o ninguno, y lo decide únicamente el seed. La ejecución de arriba no tuvo mala suerte. Deje la configuración igual, cambie solo el seed, y el diagnóstico masculino específico aparece en alrededor de la mitad de las ejecuciones.

Cada vez que una proporción sea pequeña, multiplíquela por la cantidad de filas que realmente llegarán a ella. Por debajo de 1, la columna es un volado.

El volado se tira una sola vez, cuando usted elige el seed, y no otra vez en cada ejecución. La configuración de arriba devuelve los mismos diez registros siempre: una columna que salió vacía sigue vacía, y volver a ejecutarla no prueba nada. Es el determinismo funcionando tal como se promete, y era justo lo que volvía difícil de detectar la trampa. La salida es estable, reproducible y no corresponde a la proporción que usted pidió.

Ahora check lo dice antes de correr, y hace la cuenta por usted — una vez por rama:

tdcv2 check diagnosis.tdc

warning[TDC251]: percent="10" over 5 rows asks for 0.5 records — the result is 0 or 1, and the seed decides which

Aquí no hay término medio

La misma configuración, con un número cambiado; medido sobre 30 seeds por fila:

percent	Filas pedidas, de 5	Diagnósticos masculinos específicos
5	0.25	0 con cada seed
9	0.45	0 con cada seed
10	0.5	0 o 1 — lo decide el seed
11	0.55	1 con cada seed
16	0.8	1 con cada seed
20	1.0	1 con cada seed

Nada aparece ni desaparece de a poco. Por debajo del 10 % la rama no dispara nunca, por encima del 10 % dispara exactamente una vez, y el 10 % es el único valor del rango que varía.

La razón está en el método de reparto. Primero cada rama toma las filas enteras que cubre su proporción, y después las filas sobrantes van a las ramas con la parte fraccionaria más grande. Con percent="11" las proporciones son 0.55 y 4.45, así que la única fila sobrante va a la primera rama con cada seed. Con percent="9" son 0.45 y 4.55, y va a la segunda con cada seed. Solo con percent="10" ambas partes fraccionarias valen 0.5, no hay nada que las separe, y el empate se rompe con el seed.

Dos maneras de volverlo seguro

Subir la proporción para que la fracción gane sin empate. Cambia un carácter:

<mix percent="20,80">

./run diagnosis.tdc (count=10, seed=demo, percent=20,80)

Female,Coronary Artery Disease
Female,Tuberculosis
Male,Attention Deficit Hyperactivity Disorder
Male,Spermatocele
Male,Hypothyroidism
Male,Celiac Disease
Female,Anemia
Female,Postpartum Hemorrhage
Female,Tinnitus
Male,Obstructive Sleep Apnea

La fila 4 ahora lleva Spermatocele. Nada más en la columna se movió.

O subir el count y conservar el 10 %. Con count="20" el subconjunto masculino tiene diez filas, y el 10 % de diez es exactamente una:

./run diagnosis.tdc (count=20, seed=demo, solo filas masculinas)

Male,Osteoarthritis
Male,Hypothyroidism
Male,Obesity
Male,Vitamin D Deficiency
Male,Cryptorchidism
Male,Obstructive Sleep Apnea
Male,Varicose Veins
Male,Vitamin D Deficiency
Male,Attention Deficit Hyperactivity Disorder
Male,Cholecystitis

Un Cryptorchidism en diez filas masculinas, con cada seed. Una vez que la cantidad de filas pedidas es un número entero, la cuenta es exacta y el seed solo decide a qué filas les toca.

Ramas compuestas

Esto es lo que <mix> le da y una lista pelada de cadenas no puede dar: un <case> puede armar su valor con varias piezas — un fragmento literal <data>, uno o más generadores y <mix> anidados. En este contexto <data> es solo un trozo literal del valor (texto de pegamento), no formato de salida — para eso vea Máscaras y mayúsculas.

<mix name="Charge" percent="10,12,34,">
    <case><data>reembolso: </data><gen type="number" value="1..10"/></case>
    <case><data>contracargo: </data><gen type="number" value="11..20"/></case>
    <case><gen type="number" value="21..40"/></case>
    <case><gen type="number" value="41..100"/><data> (marcado)</data></case>
</mix>

./run charge.tdc (primeras 8 filas)

36
reembolso: 4
contracargo: 18
66 (marcado)
reembolso: 8
reembolso: 1
73 (marcado)
82 (marcado)

Cada rama armó su propia forma: reembolso: 4 es el literal reembolso: más un number en 1..10; 66 (marcado) es un número en 41..100 seguido del literal (marcado); la tercera rama es un número pelado sin ningún envoltorio. Agrupe las 100 filas por rama y las proporciones siguen siendo exactas:

./run charge.tdc (count=100, con conteo por rama)

reembolso     10
contracargo   12
simple        34
marcado       44

10 / 12 / 34 / 44. La última rama no tiene porcentaje propio — la coma final de percent="10,12,34," la deja abierta, así que se lleva el resto, 44.

Una distribución genera — no da formato

<mix> produce datos, así que vive únicamente en <env>. No se puede poner dentro del bloque de salida: un <mix> directamente en un <line> se rechaza antes de la corrida con el error TDC132, porque el bloque de salida es solo para la disposición. Declare <mix name="…"> en <env> e interpole ${{Nombre}} donde quiera el valor.

Si necesita una elección que no sea por porcentaje, dos vecinos la cubren:

• <switch> elige por una clave — una tabla de consulta, como país → moneda.
• Una <sequence> con ramas condicionales <gen if="…"> elige por una condición arbitraria — gana la primera rama verdadera.

Marcar valores atípicos con flag

Una rama se puede etiquetar como anómala — <case anomaly="true"> — y usted puede pedirle al mix una columna de respuestas mediante flag. El resultado es un conjunto de datos contra el cual probar un detector de anomalías: los valores atípicos están ahí, y una columna acompañante registra exactamente en qué filas cayeron.

<mix name="Temp" percent="75,25" flag="Bad">
    <case><gen type="number" value="20..24"/></case>
    <case anomaly="true"><gen type="number" value="90..99"/></case>
</mix>

${{Bad}} vale true justo en las filas que salieron de la rama etiquetada — el 25 % de ellas — y false en todas las demás. La etiqueta se deriva de la misma decisión que eligió la rama, así que nunca puede contradecir al valor. anomaly="true" es solo una etiqueta: el valor atípico en sí es lo que produzca el generador de esa rama, y por eso usted conserva el control total sobre cómo se ve. Este es apenas un rincón de un tema más amplio — la inyección de valores atípicos y la columna flag reciben su tratamiento completo en la guía de anomalías.

Siguiente paso

• Generador text — proporciones percent exactas para una lista simple de opciones, cuando las ramas son palabras sueltas.
• Secuencias — la fuente con nombre junto a la cual vive <mix>, y el modelo parent que comparten.
• Dependencias jerárquicas — la historia completa de parent, con porcentajes anidados en varios niveles.