Perfilador de datos CSV y columnas
Pega o carga el archivo y elige su separador. El perfil ayuda a localizar problemas de limpieza antes de transformar la tabla.
Se ejecuta localmente en tu navegador1CSV / TSV input2Profile data3Column profile
Pega o carga el archivo y elige su separador. El perfil ayuda a localizar problemas de limpieza antes de transformar la tabla.
Se ejecuta localmente en tu navegador
Pega texto delimitado o carga un archivo .csv, .tsv o .txt y la página informa de su contenido: filas, columnas, celdas ausentes, filas duplicadas y una línea de estadísticas por columna. El archivo se lee en la página; durante las pruebas el análisis no envió ninguna petición de red.
El perfil es una instantánea del texto que hay en el cuadro. Si cambias los datos o el separador, vuelve a pulsar Analizar datos: los contadores y la tabla se reconstruyen a partir del contenido actual.
Filas cuenta las filas de datos bajo el encabezado y Columnas las celdas del encabezado. Celdas ausentes suma todas las celdas vacías o con solo espacios, incluida la parte final de las filas más cortas que el encabezado. Filas duplicadas cuenta las filas cuyas celdas analizadas coinciden con una fila anterior: en el ejemplo incluido, la fila repetida de Sam cuenta como un duplicado.
Los valores rellenos se prueban en un orden fijo —booleano (true, false, yes, no), entero, número (con notación científica), fecha ISO-8601 y JSON—; lo que no encaja en ninguno es texto, y una columna sin valores es de tipo empty. Todos los valores deben coincidir: uno solo fuera de patrón hace que la columna pase a texto. Las columnas numéricas muestran el mínimo, el máximo y la media reales con dos decimales; las de fecha, la fecha más antigua y la más reciente; las de texto, JSON o booleanas, la longitud del valor más corto y más largo con el sufijo «chars» y sin media.
Los campos pueden ir entre comillas; una comilla doble dentro de un campo entrecomillado sigue siendo una comilla y el campo puede contener el separador o un salto de línea; una marca BOM inicial se ignora. Un encabezado vacío pasa a column_3, uno repetido pasa a a y a_2, y las celdas posteriores al último encabezado se descartan. Las líneas en blanco dentro de los datos cuentan como filas de celdas vacías. Si falta el encabezado o una fila de datos, o una comilla nunca se cierra, la línea de estado lo indica y el perfil anterior se borra en lugar de quedarse en pantalla. En las pruebas, 20.000 filas por 4 columnas (486 KB) tardaron 76 ms en Chrome y 50.000 filas 196 ms.
No. El análisis se ejecuta en la página con JavaScript; durante las pruebas no se emitió ninguna petición al leer un archivo local y calcular el perfil. Nada se almacena y la herramienta sigue funcionando sin conexión una vez cargada la página. El único archivo que escribe es el JSON que pides con Descargar.
La detección automática prueba coma, tabulador, punto y coma y barra vertical, y se queda con la que divide las primeras 25 filas en el número de campos más constante. Si el perfil muestra 1 columna en un archivo que claramente tiene varias, fija el separador: un separador forzado incorrecto no se marca como error, simplemente toda la línea pasa a ser una columna.
En texto no hay un valor mínimo con sentido, así que la tabla indica la longitud del valor más corto y del más largo; «3 chars» significa que todos los valores rellenos de esa columna tienen tres caracteres. Las columnas numéricas muestran números reales, las de fecha la más antigua y la más reciente, y la media queda en «—» siempre que la columna no sea numérica.
Dos filas son duplicadas cuando todas sus celdas analizadas coinciden, incluidas las vacías y el orden de las columnas: la línea 3,Sam,Platform,,false dos veces es un duplicado. La comparación es exacta, así que «sam» y «Sam» son distintos y los espacios sobrantes no se recortan.
En las pruebas se perfilaron 20.000 filas por 4 columnas (486 KB) en 76 ms y 50.000 filas en 196 ms, todo dentro de la página. El límite es la pestaña, no una cuota del servidor; para archivos de cientos de megabytes conviene una herramienta de línea de comandos.