Estadísticas CSV y perfil de datos

Antes de sumar una columna o cruzar una exportación, conviene conocer sus ausencias, diversidad y formas de escritura. El perfil CSV examina cada columna y ofrece un diagnóstico descriptivo, no una reparación automática. Distingue celdas presentes de valores ausentes y calcula indicadores con los datos interpretables como números. Un identificador formado por cifras puede detectarse como numérico sin ser una cantidad que tenga sentido sumar. La interpretación de negocio sigue siendo imprescindible para elegir la siguiente transformación; una media plausible no demuestra que todos los registros fueran válidos o participaran en el cálculo.

El lector detecta coma, punto y coma, tabulación o barra vertical y respeta campos entre comillas, incluidos los multilínea. La cabecera empieza activada; sin ella se crean nombres genéricos y el primer registro aporta datos. Cada columna se analiza por separado. Un campo ausente, una celda vacía o un valor con solo espacios cuenta como ausente. Su porcentaje se calcula sobre todos los registros de datos, mientras el recuento de presentes excluye esas ausencias. La cabecera no forma parte de la población analizada.

Los valores distintos cuentan escrituras diferentes, no únicamente valores que aparecen una vez. Mayúsculas, espacios de celdas no vacías y notación numérica pueden cambiar esa cardinalidad. Los cálculos sí reconocen punto o coma decimal y espacios de miles válidos. Una anotación no numérica nunca se fuerza a cero. Los tipos vacío, número, booleano, fecha, texto o mixto se infieren de las celdas. Son pistas prácticas, no una validación completa de fechas o del esquema que espera tu aplicación. Una referencia con cifras puede seguir siendo un identificador.

Mínimo, máximo, suma, media, mediana y desviación típica usan solo números convertibles. La mediana ordena esos valores y toma el central, o la media de los dos centrales. La desviación es de población: divide por n, no por n − 1. La moda numérica solo se indica si un valor se repite; si hay varias modas, se muestra la menor. Un único número tiene desviación de población cero. Se presentan hasta cuatro decimales según el idioma, aunque se calcula con precisión de coma flotante JavaScript.