Ordena las columnas que podrían identificar una fila, para que quien conoce la tabla elija. No decide: una columna única puede ser una clave o puede ser una magnitud que no repite, y esa diferencia no está en los datos.
Value
Un data.frame con una fila por columna candidata, ordenado de más a
menos probable, con las tres señales por separado y el motivo en texto.
Cero filas si ninguna columna se acerca.
Details
El orden combina tres señales, y las tres se publican para que se pueda
discutir el orden en vez de aceptarlo: si la columna identifica cada fila
sin repetir, si no tiene ausentes —una clave con ausentes no identifica—,
y cuánto se parece su nombre al de una clave (id_persona, documento,
expediente). El nombre se compara sin acentos ni separadores, así que
ID_Persona e idpersona pesan igual.
Las columnas que repiten valores no se ofrecen como clave de una sola columna, pero sí se informan cuando estuvieron cerca: una columna que identifica al 99 % suele ser una clave con duplicados de carga, que es exactamente lo que conviene mirar.
Una columna double con valores de parte fraccionaria —un importe, una
coordenada— puede identificar cada fila y aun así no ser una clave. No se
oculta que identifica, porque es un hecho medido: se dice en el motivo y la
columna queda al final del orden. Es el mismo criterio que aplica
detectar_claves(), consultado a la misma función.
Las columnas compuestas —matrices o arreglos de más de una dimensión— no se
ofrecen como claves ni reciben una tasa de valores distintos.
Una columna cuyo nombre se repite en la tabla no se mide: la clave se pasa a
perfilar() por nombre, y ese nombre no dice cuál de las dos es. Aparece al
final, fuera de maximo, con identifica, sin_faltantes y
tasa_distintos en NA y el motivo; elegir_clave() no la ofrece.
See also
detectar_claves() para las combinaciones de varias columnas, y el
argumento clave de perfilar() para declarar la que se elija.
Examples
personas <- data.frame(
id_persona = 1:4,
documento = c(11111111, 22222222, 33333333, 33333333),
edad = c(30, 41, 25, 25)
)
sugerir_clave(personas)
#> columna identifica sin_faltantes tasa_distintos parecido_nombre
#> 1 id_persona TRUE TRUE 1 2
#> motivo
#> 1 identifica cada fila sin repetir; su nombre es el de una clave