Compara entregas sin exigir que tengan las mismas columnas. Devuelve cambios de esquema, tipos, faltantes, cardinalidad, rango, patrones y hallazgos como un objeto de datos filtrable.
Arguments
- anterior, actual
Objetos producidos por
perfilar().- umbral_cambio
Diferencia mínima para considerar significativo un cambio de proporción, cardinalidad o rango relativo. Cinco puntos porcentuales evita elevar variaciones pequeñas a hallazgo.
- umbral_error
Diferencia a partir de la cual un aumento de faltantes o un patrón nuevo se clasifica como
error.
Value
Data frame deriva_perfil. severidad usa el factor ordenado
ok < sospechoso < error; los cambios menores permanecen como filas ok
para que la serie sea exportable sin ocultar diferencias.
Details
Los patrones se comparan sobre el resumen acotado que conserva cada perfil, no sobre los valores originales ni una distribución completa. Si las dos corridas usaron configuraciones de patrones diferentes, se informa un error de comparabilidad y esa parte de la comparación se omite.
Los nombres de columnas y las configuraciones que contienen texto del usuario se comparan por sus bytes, no por la marca de codificación ni por la intercalación del locale.
Eso alcanza mientras los bytes lleguen intactos, y hay un caso en que no
llegan y no depende de este paquete: el formato RDS 3 —el de saveRDS()
por omisión— anota la codificación nativa de quien escribe, y al leer
traduce desde ella el texto que no declara la suya. Un perfil guardado bajo
LC_CTYPE=C y releído bajo otro locale puede volver con el texto cambiado;
en Windows el cambio es silencioso, porque ahí la conversión no falla.
Cuando eso pasa, el perfil releído está alterado, y conviene saber qué
alcanza a ver esta función. Compara las propiedades medidas de cada
columna, los hallazgos, el alcance del resumen y las configuraciones
declaradas —no los valores uno por uno—: la columna aspecto del resultado
nombra, fila por fila, qué se comparó, y es la enumeración viva. Un cambio de texto que no
altera ninguna propiedad medida no aparece: por ejemplo, si la moda de una
columna pasa de "Basico" a "Casico" —mismo largo, misma forma de patrón,
mismos conteos—, la comparación devuelve cero filas. Por eso el remedio ante
una relectura sospechosa no es confiar en la comparación para detectarla.
El remedio es una línea, saveRDS(perfil, archivo, version = 2), porque ese
formato no anota codificación nativa y por lo tanto no traduce nada. La
persistencia propia del paquete —guardar_historico() y
guardar_analisis()— ya lo usa.
Las claves internas que agrupan hallazgos también se normalizan por bytes;
por eso dos perfiles idénticos no emiten avisos espurios bajo C.
Que la moda no se compare es una decisión, no un pendiente: la moda es un valor, no una propiedad medida, y cambia con cualquier corrimiento normal de los datos, así que compararla llenaría la deriva de filas que no son deterioro. Quien necesite detectar una relectura corrompida tiene el remedio de una línea que está dos párrafos más abajo, que la evita en lugar de detectarla.
Entre las propiedades comparadas está la unidad en la que la columna
publica sus cifras, con la misma severidad que un cambio de tipo: dos entregas
con los mismos valores y la unidad cambiada de m a km son un cambio real
—la cifra dejó de significar lo mismo— y antes devolvían cero filas. Un perfil
guardado antes de que ese campo existiera no hace mentir la comparación: esa
parte se declara no comparable, como el resto de los campos ausentes.
Las columnas que aparecen o desaparecen generan cambios estructurales de
severidad error, pero no impiden comparar las columnas compartidas. Un
hallazgo de una columna retirada no se presenta como resuelto.
Un hallazgo que ya no aparece se informa como resuelto sólo si el
diagnóstico volvió a evaluarse. Si el perfil nuevo lo declinó —y lo dice en
su cobertura_diagnosticos—, el cambio se informa como no_evaluado con
severidad sospechoso, porque no se sabe si el hallazgo sigue: dejar de
mirar no es lo mismo que arreglar.
Los hallazgos que cuentan filas de la tabla y no pertenecen a una columna
concreta tampoco se declaran resueltos si aparecieron o desaparecieron
columnas entre las corridas: cambio el universo que define esas filas. En
ese caso se publica no_comparable, con severidad error, y se nombran las
columnas cambiadas. Con las mismas columnas, el veredicto resuelto se
conserva.
Examples
anterior <- perfilar(data.frame(codigo = c("AA1", "AA2")),
fecha = as.POSIXct("2026-01-01", tz = "UTC"))
actual <- perfilar(data.frame(codigo = c("AA1", "B-2"), nueva = 1:2),
fecha = as.POSIXct("2026-02-01", tz = "UTC"))
comparar_perfiles(anterior, actual)
#> columna aspecto cambio severidad valor_anterior valor_actual delta
#> 1 nueva columna aparecida error <NA> nueva NA
#> 2 codigo patron aparecido error <NA> A-9 0.5
#> cambio_relativo significativo fecha_anterior fecha_actual
#> 1 NA TRUE 2026-01-01 2026-02-01
#> 2 NA TRUE 2026-01-01 2026-02-01
#> descripcion
#> 1 Apareció una columna que no estaba en la entrega anterior.
#> 2 Apareció un patrón de formato nuevo.
#> evidencia
#> 1 No existe una base anterior para sus métricas.
#> 2 Proporción actual: 0.5000