Conservar una versión reproducible de datos públicos
Relacionar archivo, fechas, esquema y transformaciones para localizar, comparar y reutilizar datos sin confundir actualización, corrección y cambio de alcance.
Actualización :
Ilustración generada por IA
¿Otro lector puede reconstruir el resultado?
Un enlace a una base cambiante no identifica los datos utilizados. Una corrección puede revisar series antiguas, un exportador perder ceros iniciales y una columna cambiar el sentido de un total. Una versión útil explica material inicial y procesamiento. El objetivo es reproducir el trabajo descrito, no garantizar universalmente la calidad de la fuente.
Definir el alcance
Identificar productor, conjunto, territorio, población, periodo y filtros. Separar fechas de observación, publicación y descarga. Un archivo recibido hoy puede describir un periodo antiguo. Explicar pregunta y exclusiones relevantes.
Conservar la entrada utilizada
Registrar URL o parámetros públicos, fecha y archivo cuando esté permitido. Asignar identificador de versión y calcular una huella. La huella distingue archivos, pero no demuestra la exactitud de sus valores. Conservar información de licencia.
Describir el esquema
Documentar campos, tipos, unidades, claves y ausencias. En CSV revisar separador, codificación, comillas y saltos según el archivo real. Conservar como texto los identificadores que necesitan ceros iniciales. Distinguir cero, ausencia y no aplicable.
Registrar transformaciones
Anotar filtros, normalizaciones, cruces, conversiones y deduplicación en orden. Separar entrada original y salida preparada. Conservar claves de cruce y casos sin resolver. Nombres parecidos no justifican fusionar entidades. Documentar decisiones en lugar de ocultarlas en el archivo final.
Comparar versiones
Medir filas añadidas, retiradas y modificadas sobre una clave estable si existe. Revisar también estructura, unidades y definiciones. Un cambio de filas no demuestra cambio del fenómeno: puede proceder de filtros, cobertura o revisiones.
Preparar la reutilización
Asociar resultado, versión, etapas y límites. Comprobar enlaces al productor y contexto. Preparar otra recogida con criterios comparables. Mantener separada una versión antigua si sustenta una conclusión publicada, respetando sus condiciones y datos.
Taller de lectura
Una revisión no reescribe lo que se sabía
El conjunto DEMO es ficticio. Sus versiones separan el análisis histórico del análisis con datos corregidos.
Datos y registros ficticios para aprender: ninguno de estos resultados procede de una consulta en directo.
80 en abril, 82 tras corregir en junio
Ambos archivos contienen la misma clave y período. El productor ficticio publica una nota de corrección. Una edición posterior de la ficha no cambia el CSV.
Si la tabla supera la pantalla, desplácela horizontalmente; las flechas funcionan cuando la zona tiene el foco.
80 en abril, 82 tras corregir en junio
Estado ficticio
Pieza disponible
Qué cambia
Uso que declarar
v1 disponible en abril
Valor 80 para la clave estudiada
Estado publicado antes de corregir
Para describir lo accesible en abril, citar v1.
v2 publicada en junio
Valor corregido 82 y nota de revisión
Observación pasada corregida, no evento nuevo
Para un análisis revisado, citar v2 y declarar la corrección.
Ficha editada después de v2
Descripción aclarada, CSV sin cambios en el caso
Solo metadatos
No deducir un valor nuevo de la fecha de ficha.
Ambos análisis conservados
Resultado histórico con v1; revisado con v2
Pregunta temporal y versión fuente
No mezclar versiones silenciosamente.
¿Hay que sustituir silenciosamente el resultado de abril?
Abra cada propuesta para comparar su diagnóstico. Pueden seguir siendo necesarios otros controles.
Sí: solo el archivo más reciente merece registro
No. La versión anterior puede explicar la conclusión publicada entonces.
No: explicitar pregunta, versión y corrección
Sí. Separar lo conocido en abril del análisis revisado en junio; vincular las salidas a su entrada.
Una huella idéntica certifica calidad
No. Compara bytes con una referencia; no demuestra exactitud ni representatividad del valor.
Registro ficticio de versiones
Conjunto: DEMO; clave y período sin cambios
v1: disponible en abril; valor=80
v2: publicada en junio; valor corregido=82
Motivo: corrección documentada del productor ficticio
Ficha posterior: solo descripción, CSV sin cambios
Salidas: histórica vinculada a v1; revisada a v2
El registro conserva ambas preguntas analíticas. Las huellas identifican archivos usados sin convertir una versión guardada en verdadera.
Documentación de las reglas, separada de los ejemplos ficticios
El programa interpreta números y elimina ceros iniciales. Volver al archivo original, fijar tipo texto para la clave y revisar cruces. Cambiar la presentación de un valor alterado no siempre reconstruye el identificador.
Se revisa una serie histórica
El archivo nuevo sustituye valores anteriores. Comparar por periodo y clave, conservar versiones y consultar notas del productor. Distinguir revisiones de observaciones nuevas antes de describir tendencias.
El archivo crece sin una mejora medida
La cobertura incluye más territorios o categorías. Comparar el alcance común y presentar la ampliación aparte. Registrar cambios de campos y ausencias sin tratar todas las filas como comparables.
Separar ausencia y modificación
Ejemplo ficticio: A pasa de 10 a 11, B desaparece y llega C. Con id como clave, se cuenta una clave añadida, una retirada y un registro común modificado. Una columna nueva se presenta aparte, sin inventar su valor anterior. Reordenar no produce cambios.
Ejercicio resuelto
Separar revisión y alta en un aumento
Ejemplo ficticio: los valores y documentos permiten aprender el método y no describen una organización real.
Clave única, campo aditivo y diccionario sin cambios. No hay eliminaciones; «ausente» indica una clave inexistente en esa versión.
Si la tabla supera la pantalla, desplácela horizontalmente; las flechas funcionan cuando la zona tiene el foco.
Datos iniciales
Clave
Versión V1
Versión V2
A
10
10
B
20
25
C
Ausente
5
Comprobaciones
Comparar filas por clave exacta.
Separar revisión de B y alta de C.
Conciliar la diferencia de totales.
Leer la solución
Solución y decisión
V1 suma 30 y V2 40: +10. En claves comunes, la revisión de B explica +5; C añade +5. A no cambia. El aumento del 33,33 % del total no debe atribuirse íntegramente al crecimiento de los objetos ya presentes.
Si cambia el caso
Si V2 cambia unidad o definición, suspender la descomposición hasta verificar comparabilidad.
Registro que conservar
Guardar exports y huellas, diccionarios, claves añadidas/modificadas y fórmula de conciliación.
Prueba que conservar
Productor, URL, parámetros públicos, licencia y fechas distintas.
Versión, huella, esquema, unidades y convenciones de ausencia.
Transformaciones ordenadas, claves de cruce y casos pendientes.
Comparación, resultado reconstruido y límites de interpretación.
¿El identificador conserva exactamente sus caracteres tras importar y exportar, incluidos los ceros iniciales?
¿La comparación separa cambios de valores, esquema y cobertura en vez de reducir toda diferencia al número de filas?
¿Otro lector puede reconstruir la salida desde la versión conservada y el orden documentado de transformaciones?
Preguntas frecuentes
¿Hay que guardar cada exportación?
Conservar versiones necesarias para el trabajo y las conclusiones según una regla definida. Evitar copias sin función y respetar condiciones de almacenamiento y reutilización.
¿Una huella garantiza calidad?
No. Identifica contenido y detecta cambios, pero no valida procedencia, interpretación ni valores.
¿Pueden fusionarse filas por nombre?
Revisar claves, contexto y homónimos. La regla debe tratar ambigüedades y registrar fusiones.
¿Cómo mostrar datos corregidos?
Indicar versión y corrección relevante, distinguiendo resultado revisado y anterior. No presentar una revisión como observación nueva.
¿Por qué rechazar claves repetidas?
Dos filas con el mismo identificador vuelven ambiguo el enlace. Revise granularidad, periodo y origen; defina una clave compuesta si hace falta. No elimine una fila sin distinguir duplicado y observación distinta.
¿Qué conservar con una versión de datos?
El archivo, su origen, su fecha, su huella y la documentación útil. La adición de las reglas de transformación y la referencia de los resultados de los productos facilita la reproducción y la comparación posteriores.
REFERENCIAS DOCUMENTADAS
PROV: versión, proceso y responsabilidad
PROV-O de W3C describe producción de documentos y datos. Flechas siguen propiedades, no cronología izquierda-derecha. E0, A y E1 son etiquetas educativas.
PROV: versión, proceso y responsabilidad
Referencia
Valor o forma
Qué identifica
prov:Entity
Datos/documento en estado descrito
Entidad: datos o documento en estado descrito; distinga versiones, no solo URL mutable.
prov:Activity
Proceso en el tiempo
Actividad: proceso temporal que actúa sobre entidades, no su producto.
prov:Agent
Persona, organización o agente de software
Agente: responsabilidad. wasAttributedTo une entidad-agente; wasAssociatedWith actividad-agente, sin probar licencia.
prov:used
Activity → Entity
used va de actividad a entidad: A usa E0.
prov:wasGeneratedBy
Entity → Activity
wasGeneratedBy va de entidad a actividad: E1 generada por A.
prov:wasDerivedFrom
Entity → Entity
wasDerivedFrom va de resultado a fuente, sin fórmula, pesos o prueba de fidelidad.
prov:wasRevisionOf
Entity → Entity
Revisión conserva contenido sustancial del original; citar no implica revisar.
prov:wasQuotedFrom
Entity → Entity
Se repite un pasaje de una fuente mayor. Conservar texto exacto y ubicación; la relación por sí sola no localiza las palabras.
¿Cita, traducción o revisión?
Cuatro casos ficticios muestran por qué el vínculo debe describir la transformación real. El resultado es el sujeto; la fuente o el agente aparece a la derecha.
Un pasaje copiado
quote → prov:wasQuotedFrom → source-v1
Se repite un pasaje de una fuente mayor. Conservar texto exacto y ubicación; la relación por sí sola no localiza las palabras.
Una traducción
translation → prov:wasDerivedFrom → source-v1
La traducción es una nueva entidad derivada. Conservar idiomas, versión y controles de fidelidad; distinguir el texto traducido del pasaje original.
Una corrección del documento
source-v2 → prov:wasRevisionOf → source-v1
La versión corregida conserva contenido sustancial de la anterior. Guardar ambos estados y los cambios; la relación no determina cuál es exacto.
Atribución del resultado
analysis → prov:wasAttributedTo → editor
La entidad se atribuye a un agente. Para la responsabilidad de un proceso, usar Activity → prov:wasAssociatedWith → Agent. La atribución no demuestra derechos de reutilización.
La procedencia describe una cadena declarada. No convierte una traducción en prueba independiente ni la atribución en validación del contenido.
Qué conservar en el expediente
Describa lo conocido sin inventar. Proveniencia no valida cálculo, derechos o autenticidad. Conserve versiones y fuentes.
¿wasDerivedFrom reproduce un indicador?
No: necesita versiones, filtros, fórmula, parámetros y convenciones de ausentes.
Unir fragmentos: cobertura, huecos e identidad de representación
Sumar longitudes recibidas puede ocultar una transferencia incompleta: los solapamientos cuentan las mismas posiciones varias veces. Hay que calcular la unión y compararla con la representación prevista. Esta comprobación geométrica es distinta de verificar bytes y procedencia.
Unir fragmentos: cobertura, huecos e identidad de representación
Referencia
Valor o forma
Qué identifica
0-399,300-599,700-999
Σ = 1000; ∪ = 900
Con L = 1 000, los fragmentos 0–399, 300–599 y 700–999 suman 1 000 bytes declarados. La unión cubre solo 900 posiciones: falta 600–699 y hay 100 recepciones de bytes redundantes.
0-499,500-999
∪ = 1000
Los intervalos contiguos se unen sin huecos: 0–499 y 500–999 cubren 1 000 posiciones. Recibir tres veces un mismo byte añade dos recepciones redundantes, no dos posiciones distintas solapadas.
Content-Range
first ≤ last < L
En un Content-Range de respuesta, el final debe ser al menos el inicio y la longitud total conocida debe superar estrictamente ese final. Una longitud desconocida, *, no permite concluir una cobertura completa.
ETag
strong validator
Los fragmentos deben pertenecer a la misma representación. RFC 9111 exige un validador fuerte compartido y las condiciones HTTP de recombinación al combinar respuestas parciales en caché. Coincidir en URL o tamaño no sustituye este control.
If-Range
strong comparison
If-Range compara ETag de forma fuerte. El cliente no debe enviar allí un ETag débil; si falla la condición, se ignora Range y se solicita la transferencia completa. Una fecha solo es admisible bajo las condiciones HTTP de validador fuerte.
Comprobar la cobertura de fragmentos
Ejemplos didácticos originales; no se mide ningún servidor real.
L: entero de 1 a 1 000 000 000 000. De 1 a 20 intervalos a-b inclusivos, uno por línea, dentro de la representación. Se ignoran líneas vacías; se permiten espacios y tabulaciones alrededor. Máximo 2 000 caracteres; sin cabecera HTTP.
Cálculo local en el navegador; los datos introducidos no se transmiten ni guardan.
Cálculo actualizado.
Suma de longitudes declaradas
1000
Posiciones distintas cubiertas
900
Recepciones de bytes redundantes
100
Posiciones ausentes
100
Solo cobertura aritmética: aún hay que verificar identidad de representación e integridad de bytes.
Barra de izquierda a derecha: posiciones de 0 a L − 1. Los segmentos sólidos están cubiertos; los rayados faltan. La tabla indica extremos exactos; los rangos muy pequeños pueden resultar imperceptibles a esta escala.
Unión de fragmentos
Intervalo inclusivo
Longitud
0–599
600
700–999
300
Intervalos ausentes
Intervalo inclusivo
Longitud
600–699
100
Reglas de cálculo
sum = Σ(lastᵢ − firstᵢ + 1)
unique = |∪ intervals|
redundant = sum − unique
missing = L − unique
Ocho casos de cobertura
Ocho casos de cobertura
L
Fragmentos declarados (a-b, uno por línea)
Suma de longitudes declaradas
Posiciones distintas cubiertas
Recepciones de bytes redundantes
Posiciones ausentes
Intervalos ausentes
1000
0–399; 300–599; 700–999
1000
900
100
100
600–699
1000
0–499; 500–999
1000
1000
0
0
Ninguno
1000
0–999; 0–999
2000
1000
1000
0
Ninguno
10
0–0; 0–0; 0–0
3
1
2
9
1–9
10
9–9; 0–0
2
2
0
8
1–8
10
2–7; 3–4
8
6
2
4
0–1; 8–9
1
0–0
1
1
0
0
Ninguno
1000000000000
0–999999999998; 999999999999–999999999999
1000000000000
1000000000000
0
0
Ninguno
Qué conservar en el expediente
La cobertura presupone posiciones declaradas de una misma representación. La herramienta no lee archivos ni comprueba ETag, Content-Encoding, caché o huellas. No demuestra igualdad de bytes en un solapamiento. Cubrir todo no certifica integridad.
¿Un ETag coincidente autentica el documento?
No. ETag es un validador HTTP, no necesariamente una huella criptográfica ni una firma del autor. Comprueba también variante, longitudes y bytes recibidos; documenta por separado procedencia e integridad.
JSON Patch: seguir operaciones sobre el documento actual
Una lista JSON Patch se evalúa en orden. Cada ruta apunta al documento producido por las operaciones anteriores, no a una imagen permanente del inicial. Nueve recorridos originales muestran estados de cálculo y condiciones de parada.
JSON Patch: seguir operaciones sobre el documento actual
Referencia
Valor o forma
Qué identifica
add
insert / replace
add inserta en un índice del array y desplaza elementos posteriores; el guion final añade al final. En un objeto, add también reemplaza un miembro existente. El contenedor padre debe existir.
remove / replace
existing target
remove y replace exigen un destino existente. Quitar un elemento desplaza a la izquierda los índices superiores: la misma ruta puede seleccionar después otro elemento.
move
remove → add
move elimina primero el valor de from y lo añade en path sobre el documento modificado. Mover a una posición posterior exige usar los índices resultantes. Está prohibido mover hacia un descendiente propio.
copy / test
value / equality
copy añade el valor referenciado sin vincular ambos lugares. test compara según las reglas JSON, no escribe y detiene la evaluación si falla. El orden de miembros de un objeto no afecta a la igualdad.
HTTP PATCH
atomic
Un error detiene la secuencia. HTTP PATCH exige aplicar todos los cambios atómicamente: si falla, no se aplica ninguno. Los estados intermedios del lector explican el cálculo; no son escrituras confirmadas.
Content-Type
patch format
Content-Type distingue application/json-patch+json de application/merge-patch+json. Admitir PATCH no garantiza ambos formatos. Una precondición HTTP como If-Match puede evitar una actualización sobre una versión obsoleta; test no la sustituye automáticamente.
Leer una secuencia JSON Patch
Ejemplos didácticos originales; no se modifica ningún documento real.
Elige recorrido y paso. Cada operación apunta al resultado anterior. Si falla, el lector vuelve al destino inicial para ilustrar la atomicidad HTTP; las operaciones posteriores no se ejecutan.
Lector de recorridos predefinidos; aquí no se ejecutan patches libres.
Estado inicial · 0 / 2
Destino inicial
{
"items": [
"A",
"B",
"C"
]
}
Operación
null
Sin operación en este paso.
Estado de cálculo
{
"items": [
"A",
"B",
"C"
]
}
Nueve recorridos con todos sus estadosBorrado e índices desplazados
Estado inicial
Sin operación en este paso.
Estado de cálculo
{
"items": [
"A",
"B",
"C"
]
}
Estado intermedio, sin confirmar
Operación
{
"op": "remove",
"path": "/items/0"
}
Estado de cálculo
{
"items": [
"B",
"C"
]
}
Secuencia correcta
Operación
{
"op": "replace",
"path": "/items/1",
"value": "X"
}
El lector presenta recorridos documentados, no es un ejecutor universal de JSON Patch. No consulta servidores ni predice códigos de respuesta. La atomicidad mostrada corresponde a HTTP PATCH; una biblioteca local debe documentar sus errores y mutaciones.
¿PATCH por sí solo indica cómo procesar el cuerpo?
No. Hacen falta tipo de medio y contrato del recurso. Accept-Patch puede anunciar formatos admitidos. El nombre del método o un ejemplo local no demuestra que la API remota admita el formato o autorice el cambio.
SemVer: comparar precedencia sin inventar identidad
SemVer 2.0.0 define sintaxis y precedencia para versiones de software con una API pública declarada. Compararlas como cadenas simples o números decimales da errores. Una fecha de datos o un nombre de etiqueta no adopta automáticamente este contrato.
SemVer: comparar precedencia sin inventar identidad
Referencia
Valor o forma
Qué identifica
MAJOR.MINOR.PATCH
0 | [1-9][0-9]*
El núcleo tiene tres enteros no negativos: MAJOR.MINOR.PATCH. Se prohíben ceros iniciales, salvo 0 solo. La etiqueta v1.2.3 puede identificar una publicación, pero su cadena completa no es una versión SemVer estricta.
1.9.0 / 1.10.0
numeric
Los números del núcleo se comparan numéricamente, de izquierda a derecha. Por eso 1.9.0 precede a 1.10.0. SemVer no limita su longitud: la herramienta compara dígitos sin conversión a coma flotante.
-alpha.1
pre-release
Con núcleo igual, una versión preliminar precede a la normal. Sus identificadores separados por puntos no pueden estar vacíos. Un identificador puramente numérico no admite ceros iniciales; uno con letra o guion sigue otro caso.
-2 / -alpha
numeric < non-numeric
Los identificadores numéricos se comparan numéricamente; los demás siguen el orden ASCII. Los numéricos preceden a los no numéricos. Si todos los identificadores compartidos son iguales, la preliminar con más identificadores tiene mayor precedencia.
+001
ignored in precedence
Los metadatos tras + nunca afectan a la precedencia. A diferencia de los identificadores numéricos preliminares, pueden contener 001. Cadenas distintas pueden tener igual precedencia sin identificar archivos iguales o artefactos intercambiables.
Comparar dos versiones SemVer
Ejemplos didácticos originales; no se evalúa ninguna publicación real.
Dos versiones SemVer 2.0.0 estrictas, máximo 256 caracteres ASCII cada una. Sin espacios, prefijo v u operadores de restricciones. Se comparan los identificadores numéricos exactamente, sin redondeo.
Cálculo local en el navegador; la entrada no se transmite ni guarda.
A precede a B en el orden SemVer.
1.9.0 < 1.10.0
Primer criterio decisivo : MINOR
Componentes de las versiones
Componente
Versión A
Versión B
MAJOR
1
1
MINOR
9
10
PATCH
0
0
Versión preliminar
Ninguno
Ninguno
Metadatos de construcción
Ninguno
Ninguno
Diez comparaciones de precedencia
Diez comparaciones de precedencia
Versión A
< / = / >
Versión B
Primer criterio decisivo
1.9.0
<
1.10.0
MINOR
2.0.0
>
1.99.99
MAJOR
1.0.9
<
1.0.10
PATCH
1.2.3-rc.9
<
1.2.3
Preliminar frente a normal
1.2.3-alpha.2
<
1.2.3-alpha.11
Identificador preliminar
1.2.3-9
<
1.2.3-alpha
Identificador preliminar
1.2.3-alpha
<
1.2.3-alpha.0
Cantidad de identificadores preliminares
1.2.3-Beta
<
1.2.3-alpha
Identificador preliminar
1.2.3+linux.001
=
1.2.3+windows.002
Metadatos excluidos de la precedencia
9007199254740992.0.0
<
9007199254740993.0.0
MAJOR
Diez casos de sintaxis estricta
Diez casos de sintaxis estricta
Entrada
Diagnóstico
1.2.3
Válida
0.0.0-0
Válida
1.2.3+001
Válida
1.2.3-01a
Válida
1.2.3--
Válida
v1.2.3
Inválida
1.02.3
Inválida
1.2.3-01
Inválida
1.2.3-alpha..1
Inválida
1.2.3+
Inválida
Interpretación y ejemplos originales basados en SemVer 2.0.0, redactado originalmente por Tom Preston-Werner; texto de referencia bajo CC BY 3.0. SemVer 2.0.0 · CC BY 3.0
El comparador verifica sintaxis y precedencia, no notas de publicación, contenido, seguridad o compatibilidad real. No procesa restricciones, rangos npm ni versiones Python o Debian. El límite de 256 caracteres pertenece al formulario, no a SemVer.
¿Deben unificarse versiones con igual precedencia en un inventario?
No automáticamente. Conserva cadena completa y referencia del artefacto: 1.2.3+linux y 1.2.3+windows tienen igual precedencia, pero los metadatos pueden distinguir construcciones. Huella y contrato de publicación son controles distintos.
Conservar las diferencias entre versiones de un conjunto de datos
Se sustituye un archivo público en el mismo lugar. La versión debe permitir recuperar el estado utilizado en un cálculo y comprender los cambios posteriores.
Actualizado el .
Comprobaciones prioritarias
Conservar archivo, fecha, fuente, huella y esquema. Compare líneas, columnas, definiciones y valores antes de atribuir las diferencias a una evolución del fenómeno medido.
Errores de interpretación
Una nueva fecha de descarga no significa necesariamente un nuevo contenido. Un cambio de estructura puede hacer que una comparación bruta sea difícil de interpretar.
Documento de trabajo que conservar
El diario de versiones combina estado, huella, cambio y efecto en los análisis. Los cálculos citan explícitamente la versión utilizada.