lupa acompaña un recorrido: examinar una entrega,
decidir qué medir, medir, evaluar, proponer mejoras y dejar evidencia.
Ninguna etapa modifica los datos por el solo hecho de
diagnosticarlos.
Una entrega tabular
El conjunto incluido es pequeño y completamente sintético. Tiene
fechas mezcladas, sentinelas, duplicados y formatos discordantes.
analizar() es la puerta de entrada: por omisión mide las
propuestas en estado lista, las agrega y devuelve un
tablero. Las métricas las propuso lupa y nadie las
confirmó; se puede apagar la medición con
medir_propuesta = FALSE.
La lista amplia de sentinelas numéricos de naniar se
solicita de manera explícita porque valores como 66,
77 y 88 pueden ser datos legítimos.
perfil_sentinelas <- perfilar(
data.frame(codigo = c(1, 66, 9999)),
sentinelas_numericos = sentinelas_naniar,
analizar_dependencias = FALSE
)
perfil_sentinelas$columnas[, c("columna", "n_faltantes_disfrazados")]
#> columna n_faltantes_disfrazados
#> 1 codigo 2El marco contra el que se informa la cobertura también es declarable.
En un data frame, perfil_mide señala los factores para los
que el profiling aporta evidencia suficiente por sí solo. La forma
abreviada con una lista deja ese campo en FALSE: nunca
presume que examinar equivale a medir.
factores <- data.frame(
dimension = c("Estructura", "Estructura", "Trazabilidad"),
factor = c(
"Ausencias observadas", "Duplicación exacta", "Origen documentado"
),
perfil_mide = c(TRUE, TRUE, FALSE),
como_resolverlo = c(
"Revisar ausencias detectadas por el perfil.",
"Revisar duplicados exactos detectados por el perfil.",
"Declarar una métrica sobre el sistema de origen."
)
)
marco_operativo <- marco_calidad("Marco operativo del ejemplo", factores)
analisis <- analizar(
datos_operativos,
nombre = "entrega de ejemplo",
fecha = as.POSIXct("2026-01-15", tz = "UTC"),
marco = marco_operativo
)
perfil <- analisis$perfil
analisis$tablero
#>
#> ── Tablero de calidad ────────────────────────────────────────────────────────────────────
#> componente dimension factor metrica
#> componente-0001 Unicidad No-duplicación EntidadDuplicada
#> componente-0002 Completitud Densidad NoNulo
#> componente-0003 Completitud Densidad NoNulo
#> componente-0004 Completitud Densidad NoNulo
#> componente-0005 Completitud Densidad NoNulo
#> componente-0006 Exactitud Correctitud sintáctica Formato
#> componente-0007 Exactitud Correctitud sintáctica Formato
#> componente-0008 Exactitud Correctitud sintáctica Formato
#> componente-0009 Exactitud Correctitud sintáctica Formato
#> componente-0010 Consistencia Integridad de dominio ValoresPosiblesPorExtension
#> metrica_instanciada entidad objeto valor orientacion agregacion
#> sugerencia-0001 entrega de ejemplo (tabla) 0.1538462 defecto ratio
#> sugerencia-0002 entrega de ejemplo canal 1.0000000 conformidad ratio
#> sugerencia-0003 entrega de ejemplo codigo_usuario 1.0000000 conformidad ratio
#> sugerencia-0004 entrega de ejemplo fecha_evento 1.0000000 conformidad ratio
#> sugerencia-0005 entrega de ejemplo monto 1.0000000 conformidad ratio
#> sugerencia-0006 entrega de ejemplo contacto 0.8461538 conformidad ratio
#> sugerencia-0007 entrega de ejemplo id_evento 1.0000000 conformidad ratio
#> sugerencia-0008 entrega de ejemplo sistema 1.0000000 conformidad ratio
#> sugerencia-0009 entrega de ejemplo zona 1.0000000 conformidad ratio
#> sugerencia-0010 entrega de ejemplo zona 1.0000000 conformidad ratio
#> umbral universo
#> NA filas
#> NA celdas
#> NA celdas
#> NA celdas
#> NA celdas
#> NA celdas
#> NA celdas
#> NA celdas
#> NA celdas
#> NA celdas
#>
#> ── Alcance del marco ──
#>
#> factores_marco factores_medidos sin_metrica_declarada no_aplican fuera_de_alcance
#> 3 0 3 0 0
#> medidos_fuera_del_marco
#> 4
#> ! 4 pares dimensión-factor medidos no están declarados en este marco: Unicidad|No-duplicación, Completitud|Densidad, Exactitud|Correctitud sintáctica, Consistencia|Integridad de dominio. No entran en la cobertura de arriba.Los hallazgos son datos. Se pueden filtrar, ordenar o exportar sin extraer texto de un reporte.
perfil$hallazgos[, c(
"columna", "tipo_hallazgo", "severidad", "evidencia"
)]
#> columna tipo_hallazgo severidad
#> 1 id_registro posible_identificador ok
#> 2 codigo_usuario alta_cardinalidad sospechoso
#> 3 codigo_usuario faltantes_disfrazados error
#> 4 fecha_evento alta_cardinalidad sospechoso
#> 5 fecha_evento faltantes_disfrazados error
#> 6 fecha_evento formatos_fecha_mixtos error
#> 7 fecha_evento tipo_declarado_distinto sospechoso
#> 8 canal faltantes sospechoso
#> 9 canal faltantes_disfrazados error
#> 10 canal espacios_sobrantes sospechoso
#> 11 canal mayusculas_inconsistentes sospechoso
#> 12 monto faltantes_disfrazados sospechoso
#> 13 sistema constante sospechoso
#> 14 contacto alta_cardinalidad sospechoso
#> 15 id_copia posible_identificador ok
#> 16 id_evento posible_identificador ok
#> 17 codigo_usuario casi_duplicados_vocabulario ok
#> 18 fecha_evento casi_duplicados_vocabulario ok
#> 19 canal casi_duplicados_vocabulario sospechoso
#> 20 <NA> filas_duplicadas error
#> 21 id_registro columnas_duplicadas sospechoso
#> 22 codigo_usuario dato_personal_posible ok
#> 23 contacto dato_personal_posible ok
#> evidencia
#> 1 11 valores distintos de 13 (0.846); densidad del tramo de enteros=1.000
#> 2 [evidencia protegida]
#> 3 [evidencia protegida]
#> 4 Tasa de valores distintos: 0.923
#> 5 NULL (1)
#> 6 %d/%m/%Y (4); %Y-%m-%d (4); %d-%m-%Y (1); %Y/%m/%d (1); %Y%m%d (1)
#> 7 Declarado: texto; inferido: fecha (0.846 compatible); convertir dejaria 2 de 13 valores en NA
#> 8 0 ausentes reales y 2 disfrazados (0.154 del total)
#> 9 <blanco> (1); S/D (1)
#> 10 1 valores; ejemplos: "web "
#> 11 "web"; "Web"
#> 12 -99 (1)
#> 13 Valor: principal; frecuencia: 13
#> 14 [evidencia protegida]
#> 15 11 valores distintos de 13 (0.846); densidad del tramo de enteros=1.000
#> 16 12 valores distintos de 13 (0.923)
#> 17 [evidencia protegida]
#> 18 No se formaron grupos por distancia: 2 pares cercanos se descartaron por secuencias numericas incompatibles; alcance: 11 de 11 valores; 55 pares comparados de 55; truncado=FALSE; unidades normalizadas: 11 de 11; grupos: 0, mostrados: 0; grupo_maximo: 0 (0.000); limite_aplicado=FALSE; valores_excluidos_faltantes_disfrazados=1; motivo_grupos=. pares descartados por secuencia numerica=2; grupo_maximo compatible=0 (0.000). criterio_edicion_corta: distancia_edicion<=1; largo<=6; participacion_variante<=0.050; asimetria>=10.0; participacion_dominante>=0.500; candidatos=0; descartados_por_frecuencia=0.
#> 19 [Web (1) / web (5) / web (1)]; asimetria=5.0; origen=normalizacion; clase_diferencia=normalizacion_exacta; 2 de 2 variantes difieren de la forma dominante solo en mayusculas, acentos o puntuacion (en español el acento puede cambiar la palabra: conviene mirarlas antes de unificar); alcance: 6 de 6 valores; 6 pares comparados de 6; truncado=FALSE; unidades normalizadas: 4 de 4; grupos: 1, mostrados: 1; grupo_maximo: 3 (0.500); limite_aplicado=FALSE; valores_excluidos_faltantes_disfrazados=1; motivo_grupos=. pares descartados por secuencia numerica=0; grupo_maximo compatible=3 (0.500). criterio_edicion_corta: distancia_edicion<=1; largo<=6; participacion_variante<=0.050; asimetria>=10.0; participacion_dominante>=0.500; candidatos=0; descartados_por_frecuencia=0.; traza: 7 filas mostradas (2 formas variantes, 5 formas dominantes); total=7
#> 20 2 filas en grupos duplicados (1 excedentes)
#> 21 id_registro = id_copia; comparadas sobre 13 filas
#> 22 Tipo posible: nombre; fundamento: nombre de columna; poder discriminante: medio; proteccion automatica: si
#> 23 Tipo posible: correo; fundamento: forma de correo dominante; poder discriminante: alto; proteccion automatica: si; proporción compatible: 0.923Los conteos y la traza tienen unidades relacionadas, pero no
necesariamente iguales. mayusculas_inconsistentes y
normalizacion_unicode cuentan valores distintos
(unidad_conteo = "valor_distinto"); su
trazabilidad sigue enumerando por fila todas las filas que
contienen esos valores, no sólo las filas defectuosas.
casi_duplicados_vocabulario usa la misma forma: cuenta
valores variantes y traza las filas que contienen los valores del grupo
seleccionado, incluida la forma dominante. Como es una señal heurística,
esa traza sirve para revisar el grupo y no afirma que todas sus filas
sean errores. Las filas de las formas no dominantes aparecen primero y
las de las formas dominantes después; la evidencia informa cuántas filas
mostradas pertenecen a cada grupo. Para patron_raro, la
evidencia conserva como máximo seis nombres, pero la trazabilidad usa
todos los nombres raros hasta su límite separado de 5.000; un recorte de
ese límite aparece en cobertura_diagnosticos. Cada hallazgo
informa además la proporción del patrón dominante y cuántas filas
quedaron en patrones no dominantes excluidos por superar
umbral_patron_raro. Si el dominante no alcanza
umbral_patron_dominante, no se emite el hallazgo: la no
medición, la proporción observada y cómo ajustar ese argumento quedan en
cobertura_diagnosticos. En filas_duplicadas,
tanto el conteo afectado como la traza incluyen todas las filas
participantes; la evidencia informa aparte los excedentes. Un cero es
una medición de cero, mientras que un NA declara que el
conteo no pudo medirse. Si se separan el conteo y la traza,
perfilar() conserva el hallazgo y emite una advertencia de
clase lupa_trazabilidad_incoherente.
La tabla por columna mantiene todas las proporciones en
[0, 1].
perfil$columnas[, c(
"columna", "tipo_declarado", "tipo_inferido",
"prop_faltantes_totales", "n_distintos"
)]
#> columna tipo_declarado tipo_inferido prop_faltantes_totales n_distintos
#> 1 id_registro doble doble 0.00000000 11
#> 2 codigo_usuario texto texto 0.07692308 11
#> 3 fecha_evento texto fecha 0.07692308 12
#> 4 canal texto texto 0.15384615 8
#> 5 monto doble doble 0.07692308 12
#> 6 zona texto texto 0.00000000 5
#> 7 sistema texto texto 0.00000000 1
#> 8 contacto texto texto 0.00000000 12
#> 9 id_copia doble doble 0.00000000 11
#> 10 id_evento texto identificador 0.00000000 12El mismo objeto incluye técnicas complementarias con sus límites declarados: frecuencias acotadas, cuantiles, asociaciones, calendario observado y una clasificación confirmable de escalas. La cobertura evita confundir ausencia de hallazgos con calidad demostrada.
Si una columna se clasifica como posible dato personal, los estadísticos que podrían ser valores de una persona se suprimen y la tabla lo marca. Se suprimen los de orden —mínimo, máximo, mediana, moda— y también la media, porque sobre pocas filas se acerca a un valor y porque publicarla junto a otras cifras del mismo perfil permite despejar las que sí se protegieron. El desvío se mantiene: describe la dispersión sin acercarse a ninguna fila. La supresión se declara, y distingue el estadístico de orden del momento.
analisis$distribuciones$cuantiles
#> columna probabilidad valor n_analizados muestreado estado
#> 1 id_registro 0.00 1 13 FALSE calculado
#> 2 id_registro 0.25 3 13 FALSE calculado
#> 3 id_registro 0.50 6 13 FALSE calculado
#> 4 id_registro 0.75 9 13 FALSE calculado
#> 5 id_registro 1.00 11 13 FALSE calculado
#> 6 monto 0.00 -99 13 FALSE calculado
#> 7 monto 0.25 1250 13 FALSE calculado
#> 8 monto 0.50 1490 13 FALSE calculado
#> 9 monto 0.75 1700 13 FALSE calculado
#> 10 monto 1.00 999999 13 FALSE calculado
#> 11 id_copia 0.00 1 13 FALSE calculado
#> 12 id_copia 0.25 3 13 FALSE calculado
#> 13 id_copia 0.50 6 13 FALSE calculado
#> 14 id_copia 0.75 9 13 FALSE calculado
#> 15 id_copia 1.00 11 13 FALSE calculado
analisis$asociaciones
#> columna_1 columna_2 tipo_1 tipo_2 metodo
#> 1 id_registro id_copia numerica numerica pearson_absoluto
#> 2 canal monto categorica numerica eta2
#> 3 canal zona categorica categorica cramer_v
#> 4 id_registro monto numerica numerica pearson_absoluto
#> 5 monto id_copia numerica numerica pearson_absoluto
#> 6 canal id_copia categorica numerica eta2
#> 7 id_registro canal numerica categorica eta2
#> 8 id_registro zona numerica categorica eta2
#> 9 zona id_copia categorica numerica eta2
#> supuesto
#> 1 Las columnas numericas se tratan como cuantitativas; la escala no queda confirmada.
#> 2 La columna numerica se trata como cuantitativa y la otra como categoria.
#> 3 Las columnas se tratan como categorias sin orden.
#> 4 Las columnas numericas se tratan como cuantitativas; la escala no queda confirmada.
#> 5 Las columnas numericas se tratan como cuantitativas; la escala no queda confirmada.
#> 6 La columna numerica se trata como cuantitativa y la otra como categoria.
#> 7 La columna numerica se trata como cuantitativa y la otra como categoria.
#> 8 La columna numerica se trata como cuantitativa y la otra como categoria.
#> 9 La columna numerica se trata como cuantitativa y la otra como categoria.
#> asociacion n_pares
#> 1 1.0000000 13
#> 2 0.9999977 13
#> 3 0.8944272 13
#> 4 0.4301569 13
#> 5 0.4301569 13
#> 6 0.3791539 13
#> 7 0.3791539 13
#> 8 0.3440367 13
#> 9 0.3440367 13
analisis$temporal$resumen
#> columna n_presentes n_fechas_distintas n_duplicados_temporales fecha_minima
#> 1 fecha_evento 11 9 2 2024-01-31
#> fecha_maxima n_fechas_excluidas_parseo n_fechas_excluidas_granularidad
#> 1 2024-10-23 2 0
#> estado_resumen monotonicidad cobertura_periodo
#> 1 calculados_sobre_fechas_parseadas 0.9 0.1111111
#> n_fechas_esperadas_ausentes n_fechas_fuera_calendario n_grupos_huecos huecos_truncados
#> 1 8 0 1 FALSE
#> proteccion_temporal
#> 1 <NA>
analisis$variables[, c(
"columna", "tipo_almacenamiento", "tipo_implicito", "escala_propuesta",
"confianza", "confirmada", "n_niveles_ausentes"
)]
#> columna tipo_almacenamiento tipo_implicito escala_propuesta confianza
#> 1 id_registro doble doble discreta 0.65
#> 2 codigo_usuario texto texto nominal 0.55
#> 3 fecha_evento texto fecha temporal 0.85
#> 4 canal texto texto nominal 0.55
#> 5 monto doble doble discreta 0.65
#> 6 zona texto texto nominal 0.55
#> 7 sistema texto texto nominal 0.55
#> 8 contacto texto texto nominal 0.55
#> 9 id_copia doble doble discreta 0.65
#> 10 id_evento texto identificador nominal 0.90
#> confirmada n_niveles_ausentes
#> 1 FALSE 0
#> 2 FALSE 0
#> 3 FALSE 0
#> 4 FALSE 0
#> 5 FALSE 0
#> 6 FALSE 0
#> 7 FALSE 0
#> 8 FALSE 0
#> 9 FALSE 0
#> 10 FALSE 0
analisis$cobertura[, c("marco", "dimension", "factor", "estado")]
#> marco dimension factor estado
#> 1 Marco operativo del ejemplo Estructura Ausencias observadas medida
#> 2 Marco operativo del ejemplo Estructura Duplicación exacta medida
#> 3 Marco operativo del ejemplo Trazabilidad Origen documentado no_declarada
perfil$cobertura_diagnosticos
#> diagnostico columna
#> 1 outliers id_registro
#> 2 outliers fecha_evento
#> 3 resumen_cuantitativo fecha_evento
#> 4 patron_raro fecha_evento
#> 5 outliers monto
#> 6 outliers id_copia
#> 7 proximidad_vocabulario zona
#> 8 proximidad_vocabulario contacto
#> 9 proximidad_vocabulario id_evento
#> motivo
#> 1 No se evaluaron los limites de Tukey: hay 13 valores finitos y se requieren al menos 20. Reunir mas observaciones o declarar otro criterio antes de interpretar outliers.
#> 2 No se evaluaron los limites de Tukey: hay 11 valores finitos y se requieren al menos 20. Reunir mas observaciones o declarar otro criterio antes de interpretar outliers.
#> 3 El resumen cuantitativo se calculo sobre 11 valores y dejo afuera 2 celdas que no pudo usar; el tipo o formato se descubrio sobre una muestra de 13 de 13 filas.
#> 4 No se evaluo patron_raro porque el patron dominante ocupa 0.385 de los valores analizados; es menor que umbral_patron_dominante=0.500.
#> 5 No se evaluaron los limites de Tukey: hay 13 valores finitos y se requieren al menos 20. Reunir mas observaciones o declarar otro criterio antes de interpretar outliers.
#> 6 No se evaluaron los limites de Tukey: hay 13 valores finitos y se requieren al menos 20. Reunir mas observaciones o declarar otro criterio antes de interpretar outliers.
#> 7 1 grupo de valores cercanos no se informo porque su asimetria de frecuencias quedo por debajo de 2: las formas son casi igual de comunes y no se puede distinguir una errata sistematica de dos valores legitimamente parecidos. 1 grupo de formas cercanas no se formo porque sus frecuencias fueron parecidas: el criterio de variante rara no pudo distinguir una forma correcta de otra. Se identificaron 1 pares cercanos con asimetria <= 2.0.
#> 8 El grupo candidato mayor abarca 0.917 del vocabulario y el diagnostico no aplica.
#> 9 El grupo candidato mayor abarca 1.000 del vocabulario y el diagnostico no aplica.
#> como_resolverlo
#> 1 Reunir al menos 20 valores finitos con variacion, o declarar otro criterio de distancia antes de interpretar outliers.
#> 2 Reunir al menos 20 valores finitos con variacion, o declarar otro criterio de distancia antes de interpretar outliers.
#> 3 Revisar los valores fuera de la muestra y confirmar el tipo o formato antes de usar el rango completo.
#> 4 Revisar la variabilidad de la columna o ajustar umbral_patron_dominante (valor actual: 0.500) antes de volver a perfilar.
#> 5 Reunir al menos 20 valores finitos con variacion, o declarar otro criterio de distancia antes de interpretar outliers.
#> 6 Reunir al menos 20 valores finitos con variacion, o declarar otro criterio de distancia antes de interpretar outliers.
#> 7 Bajar `min_asimetria_vocabulario` si en esta columna interesan las variantes de frecuencia pareja, sabiendo que aumenta el ruido. Activar un detector de formas equifrecuentes con conocimiento del dominio, o revisar los pares manualmente; no se puede elegir una forma correcta solo por su frecuencia.
#> 8 Usar una regla de dominio especifica para la columna o ajustar el criterio de agrupacion con conocimiento del vocabulario.
#> 9 Usar una regla de dominio especifica para la columna o ajustar el criterio de agrupacion con conocimiento del vocabulario.
#> dependencia
#> 1 <NA>
#> 2 <NA>
#> 3 <NA>
#> 4 <NA>
#> 5 <NA>
#> 6 <NA>
#> 7 <NA>
#> 8 <NA>
#> 9 <NA>cobertura_diagnosticos es la tabla que sostiene la regla
central de lupa: un diagnóstico que no pudo evaluarse queda
identificado y no se confunde con la ausencia de hallazgos.
En una columna integer64, bit64 se carga de
manera diferida si está instalado, para registrar sus métodos antes de
medir la secuencia. Si no está instalado, las cinco medidas públicas de
la secuencia quedan en NA y la tabla declara
secuencia_entera como no evaluada, con bit64
como dependencia. Cuando una cifra pasa a texto publicado,
lupa usa notación fija independiente de scipen
y de digits —se publica el valor completo— y conserva
OutDec, que sigue siendo la marca decimal elegida por la
sesión.
Las sugerencias que propone el perfil para declarar una ausencia
estructural marcan los nombres sólo en la copia usada para componer
texto. El nombre de la tabla se conserva tal como llegó y el código
publicado se puede copiar y pegar igual bajo
LC_CTYPE = "C", también cuando contiene tildes.
La misma frontera de entrada se aplica a los valores: los bytes UTF-8
válidos que llegan sin marca se declaran UTF-8 antes de ejecutar las
métricas. Las comparaciones textuales de NoNulo,
Formato y dominios posibles se hacen por bytes, así que una
medición no cambia entre un locale UTF-8 y C; los nombres
publicados siguen conservando los bytes y la marca con que llegó la
tabla.
Del diagnóstico al modelo
proponer_modelo() no ejecuta nada. Devuelve una
propuesta editable que explica de dónde salió cada métrica. Los dominios
y patrones aprendidos de una sola entrega quedan inactivos hasta que
alguien confirme que son requisitos.
propuesta <- analisis$propuesta_modelo
propuesta[, c(
"metrica", "atributos", "origen", "prioridad", "incluir", "estado"
)]
#> metrica atributos origen
#> 1 EntidadDuplicada hallazgo:filas_duplicadas
#> 2 NoNulo canal hallazgo:faltantes
#> 3 NoNulo codigo_usuario hallazgo:faltantes_disfrazados
#> 4 NoNulo fecha_evento hallazgo:faltantes_disfrazados
#> 5 NoNulo monto hallazgo:faltantes_disfrazados
#> 6 Formato contacto perfil:patron_dominante:a+9+@a+.a+
#> 7 Formato id_evento perfil:patron_dominante:A+9+
#> 8 Formato sistema perfil:patron_dominante:a+
#> 9 Formato zona perfil:patron_dominante:Aa+
#> 10 ValoresPosiblesPorExtension zona perfil:dominio_observado
#> prioridad incluir estado
#> 1 alta TRUE lista
#> 2 alta FALSE lista
#> 3 alta FALSE lista
#> 4 alta FALSE lista
#> 5 alta FALSE lista
#> 6 media FALSE lista
#> 7 media FALSE lista
#> 8 media FALSE lista
#> 9 media FALSE lista
#> 10 baja FALSE listaLas filas activas se convierten en un modelo y se miden. En este ejemplo la métrica estructural activa detecta las filas que participan en duplicados.
modelo_calidad <- modelo_desde_propuesta(propuesta)
medidas <- medir(
modelo_calidad, datos_operativos,
id_medicion = "ejemplo-001",
fecha = as.POSIXct("2026-01-15", tz = "UTC")
)
head(medidas[, c("metrica", "fila", "resultado")])
#> metrica fila resultado
#> 1 EntidadDuplicada 1 1
#> 2 EntidadDuplicada 2 0
#> 3 EntidadDuplicada 3 0
#> 4 EntidadDuplicada 4 0
#> 5 EntidadDuplicada 5 0
#> 6 EntidadDuplicada 6 0La medida booleana por fila puede agregarse a la entidad mediante
ratio. Después se evalúa una regla explícita; no aparece un
puntaje global inventado.
medida_entidad <- agregar(medidas, "entidad", "ratio")
regla <- regla_evaluacion(
"Duplicación menor al 20 %",
function(x) x < 0.2
)
evaluacion <- evaluar(
medida_entidad,
perfil_evaluacion("Control operativo", regla)
)
evaluacion$perfiles[, c("perfil", "resultado")]
#> perfil resultado
#> 1 Control operativo 1Mejorar sin perder trazabilidad
El plan propone acciones y sólo activa las que no dependen del
dominio. Puede editarse como cualquier otro data.frame.
plan <- analisis$plan_limpieza
plan[, c(
"grupo", "columna", "estrategia", "recomendada", "aplicar", "estado"
)]
#> grupo columna estrategia recomendada aplicar
#> 1 <NA> codigo_usuario revisar_cardinalidad FALSE FALSE
#> 2 <NA> codigo_usuario convertir_ausencias_textuales TRUE TRUE
#> 3 <NA> fecha_evento revisar_cardinalidad FALSE FALSE
#> 4 <NA> fecha_evento convertir_ausencias_textuales FALSE FALSE
#> 5 <NA> fecha_evento convertir_fecha_confirmada FALSE FALSE
#> 6 <NA> canal convertir_ausencias_textuales TRUE TRUE
#> 7 <NA> canal recortar_espacios TRUE TRUE
#> 8 grupo-0011 canal convertir_minusculas FALSE FALSE
#> 9 grupo-0011 canal convertir_titulo FALSE FALSE
#> 10 grupo-0011 canal convertir_mayusculas FALSE FALSE
#> 11 grupo-0011 canal convertir_segun_diccionario FALSE FALSE
#> 12 grupo-0012 monto convertir_sentinelas_numericos FALSE FALSE
#> 13 grupo-0013 sistema eliminar_columna_constante FALSE FALSE
#> 14 <NA> contacto revisar_cardinalidad FALSE FALSE
#> 15 grupo-0020 <NA> marcar_filas_duplicadas TRUE TRUE
#> 16 grupo-0020 <NA> conservar_primera_duplicada FALSE FALSE
#> 17 grupo-0020 <NA> conservar_mas_completa FALSE FALSE
#> 18 grupo-0021 id_registro marcar_columnas_duplicadas TRUE TRUE
#> 19 grupo-0021 id_registro eliminar_columna_duplicada FALSE FALSE
#> estado
#> 1 informativa
#> 2 lista
#> 3 informativa
#> 4 lista
#> 5 bloqueada
#> 6 lista
#> 7 lista
#> 8 lista
#> 9 lista
#> 10 lista
#> 11 bloqueada
#> 12 lista
#> 13 lista
#> 14 informativa
#> 15 lista
#> 16 lista
#> 17 bloqueada
#> 18 lista
#> 19 lista
resultado <- aplicar(plan, datos_operativos)
resultado$registro[, c("estrategia", "n_cambiadas")]
#> estrategia n_cambiadas
#> 1 marcar_filas_duplicadas 2
#> 2 convertir_ausencias_textuales 1
#> 3 convertir_ausencias_textuales 2
#> 4 recortar_espacios 1
#> 5 marcar_columnas_duplicadas 1El original permanece intacto. El plan es editable: si se cambia una
estimación o se la deja ausente, aplicar() sigue
verificando el efecto observado. Una acción seleccionada que no cambia
ningún valor queda fallida con su motivo; no se publica
como ejecutada por falta de estimación.
Para verificar el efecto se vuelve a perfilar el resultado.
Un archivo para compartir
guardar_analisis() conserva el recorrido entre sesiones.
Por omisión excluye la tabla de entrada y sustituye las reglas
funcionales por declaraciones pequeñas, evitando serializar sus
entornos. reportar() acepta el objeto entero y produce un
HTML autocontenido. Este ejemplo crea ambos archivos en el directorio
temporal y luego los retira.
archivo_rds <- tempfile(fileext = ".rds")
guardar_analisis(analisis, archivo_rds)
analisis_recuperado <- leer_analisis(archivo_rds)
is.null(analisis_recuperado$datos)
#> [1] TRUE
archivo <- reportar(
analisis, medidas, evaluacion, plan,
archivo = tempfile(fileext = ".html"),
titulo = "Calidad de la entrega de ejemplo"
)
basename(archivo)
#> [1] "file22f51cb147c6.html"
unlink(c(archivo, archivo_rds))Para profundizar en la arquitectura consulte
vignette("definir-la-calidad"); para revisar decisiones de
remediación, vignette("limpiar-con-un-plan").