Skip to contents

Proponer escalas y roles de las variables

Source: R/escalas-variables.R
clasificar_variables.Rd

Separa el tipo de almacenamiento, el tipo implícito y la escala de medición. Una propuesta basada sólo en valores nunca queda confirmada: 1, 2, 3 puede ser conteo, código o nivel. Las clases ordered, factor, logical, las clases temporales y el metadato measure sí constituyen declaraciones.

Usage

clasificar_variables(
  datos,
  perfil = NULL,
  metadatos = NULL,
  max_niveles = 100L,
  muestra = 1e+05,
  proteger_datos_personales = TRUE,
  columnas_personales = character()
)

Arguments

datos

Tabla que se desea clasificar.

perfil

Perfil opcional de los mismos datos.

metadatos

Declaraciones opcionales por columna.

max_niveles

Máximo de niveles guardados en cada lista.

muestra

Máximo de valores usados para enumerar niveles no declarados; los niveles ausentes de factores y metadatos se verifican sobre toda la columna.

proteger_datos_personales

Si se ocultan niveles concretos de columnas cuya clasificación activa protección automática. Véase perfilar(). Con perfil, se respeta la clasificación de ese perfil; sin perfil, se rehace aquí por léxico y por forma, y lo declarado entra por columnas_personales.

columnas_personales

Columnas que traen datos personales, declaradas con la misma forma que acepta perfilar(): nombres de columna, o un vector con nombre donde el nombre es la columna y el valor es el tipo. Es el único camino cuando no se pasa perfil: sin perfil, la clasificación corre por léxico y por forma, así que una columna que sólo quien la conoce sabe personal —una edad, un legajo interno— se publicaría entera. Sólo tiene efecto con proteger_datos_personales = TRUE.

Value

Data frame S3 clasificacion_variables, editable y filtrable.

Details

metadatos permite confirmar o corregir la propuesta con una tabla editable. Debe contener columna y puede incluir escala, rol, confianza, confirmada, unidad y una columna de lista niveles. Las escalas válidas son nominal, ordinal, discreta, continua, binaria, temporal y desconocida.

Los niveles declarados y observados se conservan como columnas de lista. Los niveles ausentes son una observación, no prueba de error. Si la evidencia de dato personal activa la protección, los niveles concretos se protegen. Sólo las escalas nominal, ordinal y binaria guardan niveles observados; en las demás, n_niveles_observados es NA, porque la cifra no aplica.

Una columna numérica sin ningún valor finito —sólo Inf o -Inf— queda desconocida: Inf no es un entero ni un estado.

See also

analizar(), distribucion_valores(), proponer_modelo()

Examples

d <- data.frame(
  prioridad = ordered(c("baja", "alta"), levels = c("baja", "media", "alta")),
  cantidad = c(1L, 2L)
)
clasificar_variables(d)
#>     columna tipo_almacenamiento tipo_implicito escala_propuesta       rol
#> 1 prioridad     factor-ordenado          texto          ordinal categoria
#> 2  cantidad              entero         entero          binaria indicador
#>   confianza
#> 1       1.0
#> 2       0.8
#>                                                                 evidencia
#> 1                               La clase ordered declara niveles y orden.
#> 2 Se observaron dos estados; pueden ser codigos y requieren confirmacion.
#>   confirmada unidad n_niveles_declarados n_niveles_observados
#> 1       TRUE   <NA>                    3                    2
#> 2      FALSE   <NA>                    0                    2
#>   n_niveles_ausentes niveles_muestreados niveles_truncados
#> 1                  1               FALSE             FALSE
#> 2                  0               FALSE             FALSE
#>                             metricas_sugeridas niveles_declarados
#> 1 ValoresPosiblesPorExtension; orden y niveles       baja, me....
#> 2          ValoresPosiblesPorExtension; NoNulo                   
#>   niveles_observados niveles_ausentes
#> 1         baja, alta            media
#> 2               1, 2