Statistiche CSV e profilo dati

Prima di sommare una colonna o collegare un’esportazione conviene conoscerne assenze, varietà e scritture effettive. Il profilo CSV esamina ogni colonna e fornisce una diagnosi descrittiva, non una correzione automatica. Distingue celle presenti e mancanti e calcola indicatori sui valori interpretabili come numeri. Un identificativo composto da cifre può quindi essere rilevato come numerico senza essere una quantità sensata da sommare. L’interpretazione aziendale resta indispensabile per scegliere la trasformazione successiva: una media plausibile non dimostra che ogni record originale fosse valido o abbia partecipato al calcolo.

Il lettore rileva virgola, punto e virgola, tabulazione o barra verticale e rispetta campi tra virgolette, inclusi quelli multilinea. L’intestazione è inizialmente attiva; senza, vengono creati nomi generici e il primo record contribuisce ai dati. Ogni colonna viene profilata separatamente. Un campo assente, una cella vuota o composta soltanto da spazi è mancante. La sua percentuale usa tutti i record di dati come denominatore, mentre il numero di presenti esclude tali assenze. L’intestazione attiva non appartiene alla popolazione analizzata.

I valori distinti contano scritture differenti, non soltanto valori che compaiono una volta. Maiuscole, spazi delle celle non vuote e notazione numerica possono modificare la cardinalità. I calcoli riconoscono invece punto o virgola decimale e spazi delle migliaia validi. Un’annotazione non numerica non diventa mai zero. I tipi vuoto, numero, booleano, data, testo e misto sono dedotti dalle celle. Sono indicazioni pratiche, non una validazione completa di date o schema richiesto dall’applicazione. Un riferimento numerico può comunque essere un identificativo.

Minimo, massimo, somma, media, mediana e deviazione standard usano solo numeri convertibili. La mediana ordina i valori e prende quello centrale o la media dei due centrali. La deviazione usa la convenzione di popolazione, dividendo per n anziché n − 1. La moda numerica appare solo se un valore si ripete; con più mode viene mostrata la minore. Un singolo numero ha deviazione di popolazione zero. Si visualizzano al massimo quattro decimali secondo la lingua, mentre il calcolo usa la precisione in virgola mobile JavaScript.