Conjunto enteramente sintético para demostrar el motor de profiling. Incluye cédulas con formatos heterogéneos, fechas mezcladas, faltantes disfrazados, una columna constante, valores extremos, una fila duplicada y registros con el mismo identificador pero contenidos distintos. No representa personas ni registros de ningún organismo.
Formato
Un data frame con 13 filas y 10 variables:
- id_persona
Identificador interno, con una repetición contradictoria.
- cedula
Documento sintético con formatos correctos e incorrectos.
- fecha_nacimiento
Fechas en varios formatos y un faltante disfrazado.
- sexo
Categoría sintética con un faltante disfrazado.
- ingreso
Importes con sentinelas numéricos y un valor extremo.
- departamento
Categoría administrativa.
- pais
Columna constante.
- correo
Direcciones sintéticas y un patrón anómalo.
- id_copia
Copia redundante del identificador interno.
- id_tramite
Identificador sintético de alta unicidad.
Ejemplos
data(datos_administrativos)
perfil <- perfilar(datos_administrativos, analizar_dependencias = FALSE)
perfil$columnas[, c("columna", "tipo_inferido", "prop_faltantes_totales")]
#> columna tipo_inferido prop_faltantes_totales
#> 1 id_persona doble 0.00000000
#> 2 cedula texto 0.07692308
#> 3 fecha_nacimiento fecha 0.07692308
#> 4 sexo texto 0.15384615
#> 5 ingreso doble 0.07692308
#> 6 departamento texto 0.00000000
#> 7 pais texto 0.00000000
#> 8 correo texto 0.00000000
#> 9 id_copia doble 0.00000000
#> 10 id_tramite identificador 0.00000000