Recorre las señales declaradas con senal_redundante() e informa las filas
donde las columnas que deberían codificar el mismo hecho no concuerdan dentro
de la ventana declarada.
detectar_discordancias(
datos,
senales,
max_ejemplos = 5L,
proteger_datos_personales = FALSE,
columnas_personales = character()
)Data frame con una fila por señal: senal, columnas, n_filas,
n_evaluadas, n_discordantes, proporcion, ventana y evidencia.
evidencia cita filas concretas, y no publica los valores de una columna
clasificada como dato personal —salvo que se pida lo contrario con
proteger_datos_personales = FALSE—: esos salen como [valor protegido]. El
número de fila y el nombre de la columna se conservan, que es lo que hace
falta para ir a corregirla. Las columnas que no son personales se citan
enteras, salvo lo que en ellas repite un valor de una columna personal de
la tabla —una observación que cita la cédula—: eso se tapa con el mismo
piso que aplica perfilar(), aunque la columna personal no esté en la
señal.
Tabla que se desea examinar.
Una señal creada por senal_redundante() o una lista de
señales.
Máximo de filas concretas que se citan como evidencia:
un entero no negativo; 0 no cita ninguna.
Si los valores de las columnas clasificadas
como dato personal se enmascaran en evidencia. FALSE por omisión; el
número de fila y el nombre de la columna se conservan igual. La
clasificación se hace aquí por léxico y por forma —esta función no recibe un
perfil—, así que lo que sólo quien conoce los datos sabe personal entra por
columnas_personales.
Columnas que traen datos personales, declaradas
con la misma forma que acepta perfilar(): nombres de columna, o un vector
con nombre donde el nombre es la columna y el valor es el tipo. Sin ella, una columna que el léxico no reconoce
—un legajo interno— publica sus valores en evidencia. Sólo
tiene efecto con proteger_datos_personales = TRUE.
El valor de este diagnóstico es que ninguna columna por separado lo muestra: los tres años de una fila pueden ser todos plausibles y aun así contradecirse entre sí.
Una fila donde alguna de las columnas comparadas está ausente no se cuenta
como discordante ni como concordante: se excluye del universo evaluado, y
n_evaluadas lo declara. Ausencia no es desacuerdo.
Una columna de la señal que no tiene un valor comparable por fila —una
compuesta (matriz, tabla anidada, valores que no se escriben como texto), una
lista de objetos o de geometrías, o una magnitud con unidad (units), cuyo
número sin la unidad no es su valor— no entra: la fila de la señal sale con
n_evaluadas = 0, n_discordantes = NA y la evidencia dice qué columna y
por qué. Con una transformacion que la lleve a un valor por fila —por
ejemplo units::drop_units() después de llevarla a una unidad—, se compara.
Una fila con el mismo valor en todas las columnas concuerda, también si ese
valor es infinito: Inf contra Inf es coincidencia exacta.
Una fila citada no muestra iguales dos valores que el veredicto separó. Si la
escritura corriente los junta —dos dobles que coinciden en 15 cifras, dos
instantes del mismo segundo, dos textos que se ven iguales con distintos
puntos de código—, esa fila los cita con la escritura que los distingue: el
doble con las cifras que lo devuelven a su valor, el instante con su fracción
y el texto con cada carácter fuera del ASCII imprimible escrito <U+XXXX>,
con una nota que lo dice.
senal_redundante(), detectar_dependencias(),
detectar_relaciones()
d <- data.frame(
anio_fiscal = c(2023L, 2023L, 2022L),
anio_archivo = c(2023L, 2023L, 2023L)
)
detectar_discordancias(d, senal_redundante(c("anio_fiscal", "anio_archivo")))
Run the code above in your browser using DataLab