Diagnosticar un archivo CSV antes de utilizarlo

¿Puede la tabla responder a la pregunta prevista?

Un archivo que se abre en una hoja de cálculo puede perder ceros iniciales, convertir fechas u ocultar registros irregulares. Trabaje con una copia y describa los problemas antes de corregirlos. RFC 4180 documenta un formato CSV habitual; CSVW del W3C describe separadores, tipos, valores nulos y claves. El perfil comprueba la estructura observada, no la veracidad de los datos.

1. Conservar el original

   Registrar procedencia, fecha de descarga, licencia y huella del archivo. Separar los archivos recibidos de las transformaciones. Abrir y guardar en una hoja de cálculo ya puede alterar identificadores.

2. Definir el dialecto

   Elegir coma, punto y coma o tabulación. Los campos entre comillas pueden contener separadores y saltos de línea; contar líneas físicas no basta. Se exige UTF-8 y una cabecera con nombres distintos.

3. Perfilar las columnas

   Contar celdas vacías, valores distintos y espacios exteriores. Vacío no significa necesariamente cero. NA, null y - siguen siendo valores salvo que un diccionario los defina como ausentes.

4. Comprobar claves compuestas y limpieza prevista

   Use varias columnas para observaciones repetidas, como estación y fecha. La herramienta compara tuplas exactas sin concatenarlas. Un componente vacío hace incompleta la clave. El porcentaje de relleno no mide validez; sin registros no se calcula. Antes de quitar espacios, revise colisiones: A y A con espacios exteriores pasarían a ser iguales.

5. Decidir antes de corregir

   Una fila idéntica y una clave repetida son hallazgos distintos. Determinar la unidad: empresa, establecimiento u observación fechada. Documentar cada corrección y comparar recuentos antes y después.

Perfilar un archivo CSV

Procesamiento local en el navegador, sin subir el archivo. UTF-8, hasta 2 MB, 10 000 registros y 200 columnas. La exportación incluye nombres de archivo y columnas, pero ningún valor de celda.

Situaciones y decisiones

Situaciones tipo para preparar un control. No describen misiones realizadas ni observaciones reales.

Prueba que conservar

• Procedencia, licencia y huella original
• Dialectos y diccionario de valores ausentes
• Unidad, clave y problemas observados
• Reglas de transformación y recuentos comparados

Referencias oficiales

• IETF — RFC 4180
• W3C — Tabular Data Model
• W3C — Metadata Vocabulary

Fichas de fuentes relacionadas

• data.gouv.fr
• data.europa.eu
• Insee · Séries chronologiques

Protocolos relacionados

• Crear un diccionario de datos útil
• Comprobar una unión antes de cruzar dos archivos
• Leer valores ausentes y estados estadísticos
• Calcular y comparar la huella SHA-256 de un archivo

Comprobaciones antes de concluir

• ¿Se conservan los ceros iniciales?
• ¿Se distinguen vacíos y ceros?
• ¿La unidad justifica la clave?
• ¿Las correcciones son trazables y reversibles?

Un perfil JSON exportable sin valores de celdas y una decisión sobre las transformaciones necesarias.