Es la puerta de entrada al recorrido de lupa. Construye el perfil, las
distribuciones, asociaciones, diagnóstico temporal, clasificación confirmable
de variables, propuesta de modelo, medición agregada, tablero, cobertura
conceptual y plan de limpieza. No modifica los datos.
analizar(
datos,
nombre = .nombre_de_los_datos(substitute(datos)),
fecha = Sys.time(),
argumentos_perfil = list(),
metadatos_variables = NULL,
modelo_confirmado = NULL,
propuesta_confirmada = NULL,
marco = NULL,
perfil_evaluacion = NULL,
id_medicion = NULL,
medir_propuesta = TRUE,
conservar_detalle_medicion = FALSE,
muestra = 1e+05,
muestra_asociacion = 10000,
max_valores = 20L,
probabilidades = c(0, 0.25, 0.5, 0.75, 1),
umbral_asociacion = 0.3,
max_columnas_asociacion = 50L,
max_niveles_asociacion = 50L,
max_pares_asociacion = 500L,
metodo_asociacion_numerica = c("pearson", "spearman"),
calendario = 1:7,
frecuencia_dias = NULL,
max_huecos = 20L,
max_columnas_temporales = 50L,
conservar_datos = FALSE,
proteger_datos_personales = FALSE,
...
)Objeto S3 analisis con todos los componentes y su cobertura.
Tres diferencias respecto de llamar a las funciones sueltas, y las tres son
deliberadas. La evaluación usa la medición agregada, no las medidas por
fila: evaluar(medir(...), perfil) aplica la regla a cada medida y puede
dar otra cifra que analizar(perfil_evaluacion = perfil) sobre los mismos
datos —una proporción de medidas contra una proporción de métricas—, y
sobre medidas de 0 o 1 los tres perfiles_madurez() no se distinguen.
Para reproducirla con las funciones sueltas, agregar() antes de
evaluar(). La entrada puede ser una matriz de dos dimensiones: se la pasa
a perfilar() sin convertir, para que sea él quien la convierta y lo
declare en meta$entrada_convertida. Y cuando una columna temporal
pertenece a una columna protegida, temporal$resumen gana la columna
proteccion_temporal con el texto [rangos y huecos protegidos]: la
protección se aplica y se declara en la misma tabla donde faltan los
valores. La llamada directa a analizar_tiempo() respeta la misma
declaración cuando recibe ese perfil.
Tabla que se desea analizar.
Nombre de la entrega.
Fecha y hora reproducible de la corrida. Se lee una vez, como
en perfilar() y medir(): en UTC, también un texto como "2026-03-01".
Si se omite, el perfil y la medición lo registran igual que esas dos
funciones (fecha_declarada = FALSE), y comparar_perfiles() no les exige
el orden temporal: la hora de la corrida no dice nada sobre las entregas.
Lista de argumentos adicionales para perfilar().
Los nombres se completan como los completa perfilar() —aplic es
aplicabilidad— antes de leerlos, así que un nombre abreviado gobierna el
perfil y la medición por igual. sentinelas_numericos también gobierna
las dependencias del perfil y las asociaciones: las filas que contienen
un valor declarado no se evalúan en esos pares.
Declaraciones para clasificar_variables().
Modelo creado por modelo() o NULL.
Propuesta editada por el usuario o NULL.
Taxonomía opcional creada por marco_calidad(). Si se omite,
usa la asociada a modelo_confirmado y, en último término,
marco_agesic().
Perfil explícito para evaluar() o NULL.
Identificador opcional enviado a medir(). Si
argumentos_perfil declara aplicabilidad, esa misma declaración viaja a
la medición: el universo se declara una vez y gobierna todo el análisis,
así que el perfil y el tablero cuentan el mismo dato de la misma manera.
distribuciones recibe esa declaración y la de sentinelas_numericos: lo
que queda fuera del universo no entra en sus frecuencias ni en sus
cuantiles, y un centinela declarado sale de los cuantiles como sale de
minimo y maximo del perfil.
Si se mide automáticamente la propuesta con estado
"lista" e incluir = TRUE cuando no se recibe un modelo o una propuesta
confirmada. Con FALSE, analizar() describe y no mide.
Si se retienen las medidas fila a fila.
Es FALSE por omisión: el tablero y la medición agregada permanecen, y la
medición se hace métrica por métrica, agregando cada una antes de pasar a
la siguiente, así que el detalle entero no existe nunca a la vez. Con
TRUE el detalle es parte del resultado y su memoria crece con las filas
por las métricas: una tabla de 19 columnas producía 21 filas de medida por
fila de datos. Si ninguna métrica del modelo produce medidas, el tablero
sale vacío y lleva el motivo de cada una en cobertura_metricas, en lugar
de abortar el análisis.
Límite de filas para perfil, distribuciones y enumeración de niveles observados.
Límite común de filas para asociaciones.
Máximo de valores por tabla de frecuencias.
Cuantiles solicitados.
Asociación mínima informada.
Máximo de columnas para asociaciones.
Máximo de niveles categóricos.
Máximo de pares devueltos.
Medida entre columnas numéricas que usa
detectar_asociaciones(): "pearson" por omisión, o "spearman"
para asociación monótona sobre los rangos, que no supone linealidad.
Días ISO usados por el análisis temporal.
Frecuencia temporal conocida o NULL para proponerla.
Máximo de grupos de huecos por columna.
Máximo de columnas temporales analizadas.
Si el objeto retiene una copia de la entrada. Es
FALSE por omisión para limitar tamaño y exposición. Con protección activa,
las columnas personales de esa copia también se enmascaran, y en las demás
columnas se tapa el valor protegido que identifica —el piso de
perfilar()—: la cédula citada en una observación, "pago CI 3.738.538-0",
o guardada como número en otra columna. En todo lugar donde un
data.frame guarda un valor: las celdas de cualquier clase —una copia
POSIXct de la fecha con hora protegida queda en NA, como la tapa
perfilar()—, las columnas de lista elemento por elemento, los atributos
de la tabla y de cada columna —también levels en lo que no es un factor
y units, y el nombre de cada atributo, además de su valor—, los nombres
de columna de una tabla anidada en una columna
lista, y los nombres de fila, que vuelven a ser los
números de fila si alguno lleva un valor protegido. Una columna POSIXlt
se tapa como la POSIXct, con sus atributos —comment, label—, y
cualquier lista con clase —un registro de
vctrs, un blob— por sus valores; un BLOB (raw) se lee como el texto
que guarda y, si lleva un valor protegido, la copia guarda los bytes del
texto tapado; un entorno no se modifica —es del usuario—: si guarda un
valor protegido, en su contenido o en sus atributos —valor y nombre,
también name, que print() muestra—, la copia lleva
"[valor protegido]" en su lugar, también si tiene un atributo name; y
también si no se puede leer entero —una promesa o una ligadura activa que
aborta al leerse—, porque lo que no se lee no se sabe limpio; sólo el
global, el de un paquete y los de la ruta de búsqueda se dejan como están. Una llamada, una fórmula o una
función se leen como el texto que print() escribe —con sus atributos y,
si guarda su fuente (srcref), la fuente con sus comentarios—, y también
por sus atributos y, la función, por su entorno; si algo de eso lleva un
valor protegido, la copia lleva "[valor protegido]" en su lugar. Una
columna protegida
conserva sólo los atributos de su clase (class, tzone, units, dim),
y tzone y units pasan por el piso:
las etiquetas de valor de un haven_labelled se quitan. Para conservar
sus valores debe usarse proteger_datos_personales = FALSE al crear el
analisis y al guardarlo. La opcion del guardado no recupera valores que el
analisis ya enmascaro.
Si perfiles y resúmenes ocultan valores de
columnas cuya clasificación activa protección automática, incluidos
estadísticos de orden, cuantiles y rangos temporales. FALSE por omisión.
Argumentos con nombre enviados a perfilar(). Es una alternativa
concisa a argumentos_perfil.
Por omisión mide las sugerencias de la propuesta cuyo estado es "lista" y
cuya marca incluir es TRUE; los patrones y dominios observados que
proponer_modelo() deja inactivos no llegan al tablero sin confirmación.
Declara que esa selección fue realizada por lupa sin confirmación. Agrega
inmediatamente el detalle y conserva tablero_calidad(); las medidas fila a
fila sólo quedan en el resultado si conservar_detalle_medicion = TRUE. La
evaluación, cuando se solicita, usa la medición agregada.
Los hallazgos casi_clave del perfil se reiteran en advertencias, con su
columna, valores en colisión, frecuencias y criterio observado, para que no
queden ocultos dentro del recorrido integral.
guardar_analisis(), reportar(), cobertura_analisis()
# Cuatro columnas de la tabla de ejemplo, para que corra en pocos segundos.
columnas <- c("fecha_nacimiento", "sexo", "ingreso", "departamento")
resultado <- analizar(
datos_administrativos[, columnas], analizar_dependencias = FALSE,
fecha = as.POSIXct("2026-01-15", tz = "UTC")
)
resultado
Run the code above in your browser using DataLab