Package: lupa 0.1.0

lupa: Data Profiling and Quality Measurement

Provides general-purpose data profiling and quality analysis for tabular data. Discovers structural patterns, implicit types, mixed date formats and reusable findings about potential data issues. Defines quality frameworks with user-declared dimensions and factors, reusable metrics with explicit granularity, typed aggregation, evaluation profiles, versioned histories, structural drift detection, and self-contained HyperText Markup Language reports without external rendering software. Produces editable cleaning plans and applies only explicitly selected actions while retaining an audit log. Includes bounded value distributions, quantiles, mixed-type associations, temporal regularity checks, and confirmable measurement-scale proposals. The general model follows the data-quality lineage described by Batini and Scannapieco (2016) <doi:10.1007/978-3-319-24106-7>. The package ships a traceable implementation of the Data Quality Management Framework for Digital Government, version 1.6, published by the Agency for Electronic Government and the Information and Knowledge Society (AGESIC) (2020) <https://www.gub.uy/agencia-gobierno-electronico-sociedad-informacion-conocimiento/>, and an optional taxonomy of the fifteen characteristics in the International Organization for Standardization and International Electrotechnical Commission standard ISO/IEC 25012:2008 <https://www.iso.org/standard/35736.html>. It also includes the four levels and nineteen principles of the United Nations national quality assurance framework, adapted for Latin America and the Caribbean by the Statistical Conference of the Americas (CEA) of the Economic Commission for Latin America and the Caribbean (CEPAL), based on the United Nations manual (2019) <https://unstats.un.org/unsd/methodology/dataquality/> and the regional guide (2022) <https://repositorio.cepal.org/handle/11362/47464>.

Authors:Sebastián Lucas [aut, cre], Robyn Speer [cph], Nicholas Tierney [cph], Di Cook [cph], Miles McBain [cph], Colin Fay [cph]

lupa_0.1.0.tar.gz
lupa_0.1.0.zip(r-4.7-any)lupa_0.1.0.zip(r-4.6-any)lupa_0.1.0.zip(r-4.5-any)
lupa_0.1.0.tgz(r-4.6-any)lupa_0.1.0.tgz(r-4.5-any)
lupa_0.1.0.tar.gz(r-4.7-any)lupa_0.1.0.tar.gz(r-4.6-any)
lupa_0.1.0.tgz(r-4.6-emscripten)
manual.pdf |manual.html✨
DESCRIPTION |NEWS
card.svg |card.png
lupa/json (API)

# Install 'lupa' in R:
install.packages('lupa', repos = c('https://sebollin.r-universe.dev', 'https://cloud.r-project.org'))

Bug tracker:https://github.com/sebollin/lupa/issues

Pkgdown/docs site:https://sebollin.github.io

Datasets:

On CRAN:

Conda:

agesicdata-cleaningdata-profilingdata-qualitydata-validationdeduplicationencodingiso-25012lshminhashmojibakerecord-linkage

4.78 score 1 stars 90 exports 2 dependencies

Last updated from:8e95a3eccb. Checks:4 OK, 5 ERROR. Indexed: yes.

TargetResultTimeFilesSyslog
linux-develOK1314
source / vignettesOK266
linux-releaseOK1636
macos-releaseERROR1468
macos-oldrelERROR1357
windows-develERROR2310
windows-releaseERROR2536
windows-oldrelERROR2563
wasm-releaseOK125

Exports:acumular_historicoagregaranalizaranalizar_tiempoaplicarcatalogo_agesicclasificar_variablescoberturacobertura_analisiscoleccioncolumnascomparar_equivalenciacomparar_evaluacionescomparar_perfilesdescubrir_patronesdetectar_asociacionesdetectar_clavesdetectar_dependenciasdetectar_deriva_calidaddetectar_discordanciasdetectar_duplicados_aproximadosdetectar_formatos_fechadetectar_relacionesdistribucion_valoreselegir_claveescalaespecializarestadisticos_estimacionestimar_costoestimar_costo_coleccionevaluargranularidadesguardar_analisisguardar_historicoguiar_limpiezahallazgoshistorico_calidadindice_calidadinferir_tipoinstanciarleer_analisisleer_historicomarco_agesicmarco_calidadmarco_cepalmarco_iso25012medicion_desde_estimacionesmedirmetricametricas_nucleometricas_referencialmodelomodelo_desde_propuestan_filasnormalizacionorganizacionpack_validadoresperfil_evaluacionperfilarperfilar_coleccionperfilar_dbiperfilar_porperfiles_madurezplan_perfilado_dbiplanificar_limpiezapropiedades_metricapropiedades_reglaproponer_modeloreferencialregla_evaluacionrelaciones_coleccionreportarrequisitos_motorsenal_redundantesentinelas_naniarsql_perfilsugerir_clavetablero_calidadtransiciones_granularidadvalidadores_internacionalesvalidadores_uruguayvalidar_ci_uyvalidar_correovalidar_iso3166validar_iso4217validar_luhnvalidar_mod97validar_rut_uyvalidar_urlvigencia

Dependencies:clidata.table

Empezar con lupa
Una entrega tabular | Del diagnóstico al modelo | Mejorar sin perder trazabilidad | Un archivo para compartir

Last update: 2026-10-13
Started: 2026-08-02

El vacío por diseño
El supuesto que lupa hace y no hacía explícito | Seis formas de tabla donde el vacío es la estructura | Qué pasa si no se declara nada | La señal que dice que hay algo para declarar | Declarar el universo | El error simétrico | Cuando la regla no se puede determinar | El formato largo: perfilar_por() | Lo que lupa no hace | Y el reverso: cuando la declaración tapa un problema

Last update: 2026-10-12
Started: 2026-08-20

Histórico y monitoreo de deriva
Serie de evaluaciones | Deriva estructural entre entregas | Equivalencia de resúmenes

Last update: 2026-10-12
Started: 2026-08-02

Perfilar una base
Un ejemplo en memoria | Antes de conectarse: qué hace falta para cada motor | Leer el resultado sin memorizar su forma | Los dos bloques posibles del resultado | resumen_tabla: agregados sobre la tabla completa | perfil_muestra: el perfil completo de la muestra | El muestreo declarado | Muestras y aproximaciones para tablas grandes | La memoria del procesamiento no se estima | Lo que el muestreo en el motor no puede darte

Last update: 2026-10-12
Started: 2026-08-17

Limpiar con un plan auditable
Recomendaciones y decisiones de dominio | Grupos mutuamente excluyentes | Aplicar conserva evidencia | Lo que el plan no cubre lo dice | Imputar por una dependencia

Last update: 2026-09-25
Started: 2026-08-02

Estructura no declarada
Dos tablas que se pueden seguir fila por fila | Patrones, tipos y fechas en los datos incluidos | Escalas, distribuciones y asociaciones | Cobertura temporal | El vocabulario de granularidad

Last update: 2026-09-24
Started: 2026-08-17

Flujo guiado: del perfil a la evaluación
1. Perfilar | 2. Proponer y editar | 3. Materializar y medir | 4. Evaluar | 5. Consultar la cobertura

Last update: 2026-09-18
Started: 2026-08-30

Escala y duplicados
Un conjunto pequeño | Estimar antes de comparar | Un tope de largo para la señal de proximidad | Qué largo es el que cuenta | Dos topes, dos perillas | Avisar el costo de tablas anchas | Comparación exacta y LSH | Bloquear declarando la pérdida | Lotes sin pérdida | Presupuestos que miden trabajo y no unidades | El recorte de pares, y por qué también se ordena por contenido | Lo que ordenar no arregla | Y una advertencia sobre el camino LSH

Last update: 2026-09-17
Started: 2026-08-06

Medir y evaluar
Tres niveles de métrica | Una métrica propia de punta a punta | Medir y agregar | Tablero, orientación e índice | Evaluar no es volver a medir | Referencias

Last update: 2026-09-17
Started: 2026-08-17

Definir la calidad
Declarar dimensiones y factores | Dimensión, factor y métrica son una taxonomía | Marcos incluidos | El marco de aseguramiento de la calidad de CEA/CEPAL | El marco y el catálogo de AGESIC | Validadores y packs territoriales | Lo que no se midió también es un resultado | Referencias

Last update: 2026-09-03
Started: 2026-08-17

Readme and manuals

Help Manual

Help pageTopics
Leer un perfil sin depender de su formaaccesores_perfil cobertura columnas hallazgos n_filas sql_perfil
Agregar medidas entre granularidadesagregar
Ejecutar el análisis descriptivo completoanalizar
Examinar regularidad y cobertura temporalanalizar_tiempo
Correspondencia con el catálogo de métricas de AGESICcatalogo_agesic
Proponer escalas y roles de las variablesclasificar_variables
Informar la cobertura conceptual de un análisiscobertura_analisis
Declarar la frontera de una coleccióncoleccion
Comparar la equivalencia de dos resúmenes de perfilescomparar_equivalencia
Comparar evaluaciones de perfilcomparar_evaluaciones
Comparar dos perfiles y detectar deriva estructuralcomparar_perfiles
Declarar vigencia y escala de medicióncontratos_medicion escala vigencia
Datos administrativos sintéticos con problemas sembradosdatos_administrativos
Datos operativos sintéticos y neutralesdatos_operativos
Descubrir patrones de formatodescubrir_patrones
Detectar asociaciones entre columnasdetectar_asociaciones
Detectar claves candidatasdetectar_claves
Detectar dependencias funcionales entre columnasdetectar_dependencias
Detectar deriva en una serie de evaluacionesdetectar_deriva_calidad
Detectar filas donde señales redundantes se contradicendetectar_discordancias
Detectar pares de filas con similitud aproximadadetectar_duplicados_aproximados
Detectar formatos de fechadetectar_formatos_fecha
Detectar relaciones entre dos tablasdetectar_relaciones
Distribuciones de valores y cuantiles por columnadistribucion_valores
Elegir la clave entre las sugeridaselegir_clave
Catálogo de estadísticos de estimación reconocidosestadisticos_estimacion
Estimar el costo de una comparación de duplicadosestimar_costo
Estimar el costo de buscar relaciones en una colecciónestimar_costo_coleccion
Evaluar medidas, reglas y perfilesevaluar
Granularidades y transiciones de agregacióngranularidades transiciones_granularidad
Guardar y recuperar un histórico de calidadguardar_historico leer_historico
Revisar decisiones de limpieza paso a pasoguiar_limpieza
Construir y ampliar un histórico de calidadacumular_historico historico_calidad
Calcular un índice de calidad declarado por el usuarioindice_calidad
Inferir el tipo implícito de un vectorinferir_tipo
Declarar una taxonomía de calidad de datosmarco_agesic marco_calidad marco_cepal marco_iso25012
Llevar estimaciones ya calculadas al contrato de mediciónmedicion_desde_estimaciones
Medir un modelo de calidadmedir
Métricas que consumen un referencial tabularmetricas_referencial
Construir métricas y modelos de calidadespecializar instanciar metrica metricas_nucleo modelo modelo_calidad propiedades_metrica
Materializar una propuesta de modelo de calidadmodelo_desde_propuesta
Perfiles de normalizacion para comparar valoresnormalizacion
Declarar una organización y las colecciones que le pertenecenorganizacion
Crear y consultar packs de validadorespack_validadores validadores_internacionales validadores_uruguay
Perfilar un conjunto de datosperfilar
Perfilar una colección declaradaperfilar_coleccion
Perfilar una muestra leída mediante DBIperfilar_dbi
Perfilar una tabla por grupos de filasperfilar_por
Guardar y recuperar un análisisguardar_analisis leer_analisis persistir_analisis
Planificar el costo de 'perfilar_dbi()' antes de pagarloplan_perfilado_dbi
Construir y aplicar un plan de limpieza auditableaplicar planificar_limpieza
Propiedades declaradas de una regla de evaluaciónpropiedades_regla
Proponer un modelo de calidad desde el profilingproponer_modelo
Declarar un conjunto de datos referencialreferencial
Reglas y perfiles de evaluaciónperfiles_madurez perfil_evaluacion reglas_evaluacion regla_evaluacion
Buscar claves foráneas candidatas entre pares declaradosrelaciones_coleccion
Crear un reporte HTML autocontenidoreportar
Consultar requisitos para conectarse a motores de basesrequisitos_motor
Declarar una señal redundante entre columnassenal_redundante
Sentinelas numéricos publicados por naniarsentinelas_naniar
Sugerir qué columnas podrían ser la clavesugerir_clave
Construir un tablero de calidadtablero_calidad
Validadores internacionales de sintaxis y dígitos de controlvalidadores_formato validar_correo validar_iso3166 validar_iso4217 validar_luhn validar_mod97 validar_url
Validadores estructurales de Uruguayvalidadores_uy validar_ci_uy validar_rut_uy