Perfilar una colección declarada

Recorre las tablas declaradas en coleccion() y devuelve una fila por tabla con su resumen exacto, más la cobertura de lo que no se pudo medir o no se solicitó.

Usage

perfilar_coleccion(
  coleccion,
  muestra = Inf,
  conservar_perfiles = FALSE,
  cobertura_metricas = c("no_medidas", "completa", "ninguna"),
  tope_cobertura_metricas = 20000L,
  bloque_muestra = c("con_muestra", "solo_agregados"),
  ...
)

Arguments

coleccion

Objeto creado por coleccion().

muestra

Filas solicitadas por tabla para el bloque en memoria. Por omision Inf: cada tabla se trae entera. El resumen por tabla se calcula en el motor y no depende de esto; lo que depende son los diagnosticos que miran los valores en R. Acotarlo con muestra = n es mas rapido a cambio de mirar menos filas, y sobre una coleccion grande conviene mirar antes plan_perfilado_dbi() tabla por tabla.

conservar_perfiles

Si se retienen los objetos perfil_dbi completos. Por omisión FALSE.

cobertura_metricas

Qué se sube a cobertura_metricas: "no_medidas" (por omisión) sólo las métricas que no se calcularon, "completa" todas con su estado, "ninguna" para omitirla. Los conteos por tabla de resumen_coleccion no dependen de esta elección.

tope_cobertura_metricas

Máximo de filas de cobertura_metricas. El total real queda siempre en meta$n_metricas_no_medidas, aunque la tabla se haya recortado.

bloque_muestra

Qué bloques se solicitan en cada tabla: "con_muestra" (por omisión) calcula también el perfil de la muestra, o "solo_agregados" evita leerla y devuelve sólo los agregados SQL. Se pasa al mismo argumento de perfilar_dbi() para que todas las tablas de la colección respeten la misma decisión.

...

Argumentos enviados a perfilar_dbi().

Value

Objeto de clase perfil_coleccion con resumen_coleccion, cobertura_coleccion, cobertura_metricas, meta y, si se pidió, perfiles.

Details

Conserva el resumen calculado en SQL sobre toda la tabla, que es acotado, y no retiene el perfil de la muestra de cada tabla, que es el objeto pesado: con cientos de tablas eso no entra en memoria. conservar_perfiles permite retenerlos cuando la colección es chica y se los necesita.

Lo que no se pudo medir se declara, y nunca a cero. Una tabla que la credencial no puede leer, un objeto que no es una tabla base y una tabla vacía van a cobertura_coleccion con su motivo y su como_resolverlo. Un motor que rechaza un agregado —o una columna cuyo tipo no lo admite— va a cobertura_metricas, con una fila por columna y métrica, y deja además una línea de resumen en cobertura_coleccion. Esa cobertura por métrica se calcula antes de descartar el perfil, así que existe también con conservar_perfiles = FALSE. En bases institucionales los permisos parciales son el caso normal, no el borde.

Donde no hubo medición va NA, no 0. Una tabla vacía deja prop_faltantes en NA en todas sus columnas: antes eso producía prop_faltantes_maxima = -Inf —fuera del [0, 1] que el paquete promete, y ordenada como la tabla de mejor calidad de la base— y n_columnas_sin_faltantes = 0, que afirmaba tres columnas sin ausencias sobre una tabla de la que no se sabía nada. n_columnas_medidas declara sobre cuántas columnas se conoce la proporción de ausentes, para que los dos números anteriores se lean con su alcance.

No hay lectura instantánea. Perfilar una colección son muchas consultas y la base puede cambiar entre ellas: una tabla puede truncarse después de que se contaron sus filas. Por eso cada fila declara el momento en que se midió y meta$snapshot declara que no lo hubo.

See also

coleccion(), perfilar_dbi()

Examples

if (requireNamespace("RSQLite", quietly = TRUE) &&
    requireNamespace("DBI", quietly = TRUE)) {
  con <- DBI::dbConnect(RSQLite::SQLite(), ":memory:")
  DBI::dbWriteTable(con, "personas", data.frame(id = 1:3, nombre = letters[1:3]))
  perfilar_coleccion(coleccion(con, "personas", nombre = "padron"))
  DBI::dbDisconnect(con)
}