Declara que varias columnas de la misma tabla codifican el mismo hecho,
de modo que detectar_discordancias() pueda informar las filas donde no
concuerdan. El grupo lo declara quien conoce los datos: lupa no lo adivina,
porque dos columnas de año pueden ser el año de nacimiento y el año de
ingreso y no tienen por qué coincidir.
Arguments
- columnas
Nombres de al menos dos columnas que codifican el mismo hecho.
- ventana
Tolerancia máxima admitida entre los valores, en las unidades del valor comparado. Por omisión
0: coincidencia exacta. Sólo se aplica si todas las columnas comparadas son numéricas; con fechas o texto la comparación es de igualdad exacta y se avisa.- transformacion
Lista opcional con nombres de columna y funciones que las llevan a una escala comparable.
- nombre
Etiqueta de la señal. Por omisión, las columnas unidas.
Value
Objeto de clase senal_redundante: una lista con nombre -el
declarado, o las columnas unidas por =-, el vector columnas que la
señal relaciona, la ventana numérica y la transformacion validada.
Describe la relación esperada; no la evalúa.
Details
transformacion permite comparar columnas que guardan el hecho de formas
distintas —por ejemplo extraer el año de una fecha para compararlo con una
columna de año—. Cada función recibe la columna entera y devuelve un vector
de la misma longitud.
ventana es la tolerancia, en las unidades del valor transformado: con
años, ventana = 1 acepta un año de diferencia. La unidad no se adivina; es
la del resultado de la transformación.
La ventana sólo gobierna una comparación numérica. Si alguna de las
columnas comparadas no es numérica —fechas, texto, factores—, la comparación es
de igualdad exacta sobre el texto y la ventana no se aplica: eso queda dicho en
la evidencia (comparacion textual exacta) y, si se declaró una ventana mayor
que cero, se avisa al medir. Para comparar fechas con tolerancia hay que
llevarlas con transformacion a un número en la unidad de la ventana.
Esa igualdad exacta es de valores, no de su impresión. Una fecha-hora se
compara por su instante: el mismo instante guardado en dos zonas horarias
concuerda. Se escribe en UTC, al segundo y con su fracción exacta si la tiene
—la misma escritura que usa detectar_relaciones()—, así que comparada con
una columna de texto, el texto tiene que estar en UTC; para otra zona, se la
lleva con transformacion. Un número se compara con todas sus cifras —1e5
y el texto "100000" concuerdan; 0.1 + 0.2 y 0.3 no—. Si todas las
columnas son duraciones (difftime), se comparan en segundos: una hora y
sesenta minutos concuerdan. Un texto se compara por sus bytes, así que una
palabra con la tilde compuesta y la misma con la tilde descompuesta son dos
textos distintos.
Examples
senal_redundante(c("anio_fiscal", "anio_archivo"))
#> Señal redundante: anio_fiscal = anio_archivo
#> Columnas: anio_fiscal, anio_archivo
#> Ventana: 0
senal_redundante(
c("fecha", "anio_fiscal"),
transformacion = list(fecha = function(x) as.integer(format(x, "%Y")))
)
#> Señal redundante: fecha = anio_fiscal
#> Columnas: fecha, anio_fiscal
#> Ventana: 0
#> Transformadas:
