Explorador de tablas

El Explorador de tablas es una herramienta de exploración de datos potente y de fácil acceso, con filtrado, resumen y otras funciones integradas que facilitan el trabajo con datos grandes y complejos.

El Explorador de tablas permite explorar conjuntos de datos de cualquier tamaño, por lo que puede usar la misma herramienta sin importar cuánto crezcan sus datos. También ofrece filtrado con solo señalar y hacer clic junto con funciones de filtro avanzadas para centrarse en los datos que necesita. Lo mejor es que, en cualquier lugar de PlaidCloud donde haya tablas o vistas, puede hacer clic en ellas para explorarlas con el Explorador de tablas. Al estar totalmente integrado, el acceso a los datos está a un solo clic.

La vista Grid ofrece una vista tabular de los datos. La vista Details ofrece un resumen de cada columna, un recuento de valores únicos y estadísticas de perfil de cada columna.

Los datos se pueden exportar directamente desde un conjunto filtrado, y también se pueden guardar y compartir filtros con otras personas. Por último, los filtros y la configuración de columnas se pueden guardar directamente como un paso Extract de un flujo de trabajo.

La vista Grid

La vista Grid ofrece una vista tabular de los datos.

Establecer el límite de filas

De forma predeterminada, el límite de filas es de 5 000 filas. Sin embargo, se puede ajustar o desactivar por completo.

Las filas mostradas, junto con el tamaño total del conjunto de datos, aparecen en la parte inferior de la tabla. La información proporciona tres datos clave:

El recuento de filas actual mostrado según el límite de filas aplicado
El tamaño de los datos globales después de aplicar los filtros
El tamaño de los datos globales sin filtrar

Elegir las filas superiores o aleatorias

Junto al límite de filas hay un selector Superior / Aleatorio que controla qué filas llenan la cuadrícula:

Superior (el valor predeterminado) devuelve las primeras filas de la tabla: es la opción más rápida y la adecuada cuando solo desea echar un vistazo rápido.
Aleatorio devuelve una muestra aleatoria rápida tomada de toda la tabla, de modo que la vista previa refleja todo el rango de sus datos y no solo el principio. Esto es útil para comprobar puntualmente la calidad de los datos en una tabla grande donde las primeras filas no son representativas.

El muestreo aleatorio usa el muestreo integrado de su motor de almacenamiento, por lo que sigue siendo rápido incluso en tablas muy grandes. Devuelve el número de filas que solicitó, tomadas al azar de toda la tabla, o todas ellas si la tabla contiene menos filas que su límite, y obtiene una muestra distinta cada vez que actualiza. El selector se aplica solo a la vista previa de la cuadrícula; no tiene efecto en las vistas guardadas, las extracciones, las descargas ni los recuentos de filas notificados. Aleatorio requiere que el límite de filas esté activado.

Ordenación local frente a global

La vista Grid permite hacer clic en el encabezado de una columna y ordenar los datos según esa columna. Sin embargo, este método solo ordena el conjunto de datos que ya se ha recuperado y no ordena según el conjunto de datos completo. Si los datos recuperados contienen todo el conjunto de datos, esta distinción es irrelevante; pero si el conjunto de datos completo es mayor que lo que aparece en el navegador, es posible que no obtenga el resultado de ordenación deseado.

Si desea ordenar el conjunto de datos global antes de recuperar los datos limitados que aparecerán en el navegador, puede aplicar esas ordenaciones a las columnas en la vista Details haciendo clic en el icono Sort situado en la parte superior de cada columna. Otra ventaja de usar la ordenación global es que puede aplicar varias ordenaciones con una combinación de direcciones de ordenación.

Lista de columnas de referencia rápida

De forma predeterminada, todas las columnas de la tabla o vista se muestran a la izquierda de la ventana del Explorador de tablas. Esta lista de columnas se puede mostrar u ocultar con el botón de alternancia de la lista de columnas.

La lista de columnas ofrece varias funciones útiles de acceso rápido, entre ellas:

Hacer doble clic en un elemento salta a la columna en la vista Grid o Details
Controlar la visibilidad de la columna mediante la casilla de visibilidad
Usar la selección múltiple y el clic derecho para incluir o excluir muchas columnas a la vez
Ver rápidamente el tipo de datos de cada columna mediante los iconos de tipo de datos
Ver el recuento total de columnas

Restringir el acceso a filas

Para un Arquitecto del proyecto o un administrador del inquilino, el botón Acceso a filas de la barra de herramientas abre Acceso a filas para la tabla que está explorando; un distintivo en el botón indica cuándo la tabla ya restringe filas. El menú de facetas de una columna también tiene Restringir filas por esta columna…, que abre la misma pantalla para esa columna; en una columna que ya restringe filas aparece Filas restringidas por esta columna: editar….

Cuando sus propias concesiones filtran lo que cargó la cuadrícula, la barra de herramientas muestra Filas limitadas según su acceso, y al iniciar una descarga que se filtrará también se indica. La cuadrícula, sus facetas de columna y la descarga contienen únicamente las filas que usted puede ver. Consulte Lo que ve un miembro restringido.

La vista Details

La vista Details ofrece una forma eficiente de ver los datos a alto nivel y expone herramientas para filtrar rápidamente la información con operaciones de señalar y hacer clic.

Datos de columnas y recuentos de valores únicos

Se muestra cada columna, siempre que esté marcada como visible actualmente. El resumen de la columna muestra los 1000 valores únicos principales por recuento. El número de valores únicos mostrados se puede ajustar seleccionando otro valor en la opción Detailed Rows Displayed.

Una columna numérica muestra sus estadísticas en lugar de una lista de valores: mínimo, máximo, media, suma, desviación estándar y varianza. Los valores nulos se excluyen de estas estadísticas, y una columna que contiene solo valores nulos muestra en su lugar sus recuentos de valores. Esto se aplica a todos los motores de lakehouse, incluido StarRocks.

Una columna cuyo resumen tarda demasiado en calcularse muestra Se agotó el tiempo de espera del perfil, y una cuyo resumen no se puede cargar muestra Error en el perfil. Sitúe el puntero sobre el distintivo para ver el motivo: allí se nombra un problema con un filtro, y un fallo por parte de PlaidCloud incluye un ID que el equipo de PlaidCloud puede usar para rastrearlo. Para volver a intentarlo, use el botón de actualización de la columna.

Administrar los filtros de señalar y hacer clic

Cada columna permite filtrar con solo señalar y hacer clic activando el interruptor de filtro situado en la parte superior de la columna. Seleccione los elementos de la columna que desea incluir en los datos resultantes. Se admite la selección múltiple.

Una vez aplicado un filtro, puede haber elementos que desee quitar o puede querer borrar el filtro de toda la columna sin borrar todos los filtros. Esto se consigue seleccionando el menú desplegable del botón de filtro de la columna y desmarcando columnas, o seleccionando la opción de borrar todo situada en la parte superior.

Administrar el resumen

El resumen de los datos se puede aplicar activando el botón Summarize en On. Cuando el botón Summarize está activado, cada columna muestra un tipo de resumen que se puede aplicar. Ajuste el tipo de resumen deseado para cada columna.

Cuando los resúmenes deseados estén listos, actualice los datos y se aplicarán los resúmenes.

Ejemplos de tipos de resumen son Min, Max, Sum, Count y Count Distinct.

Encontrar valores distintos

Activar el botón Distinct ayuda a reducir los datos a un conjunto de registros únicos. Cuando el botón Distinct está activo, aparece una casilla Distinct en cada columna. Desmarque las columnas que NO definen la unicidad de la columna en el conjunto de datos. Por ejemplo, si desea encontrar el conjunto único de clientes en una tabla de pedidos de clientes, solo le convendría seleccionar la columna del cliente y no incluir también el número de pedido del cliente.

Estadísticas de perfil de columnas

Cada columna muestra estadísticas de perfil en la parte inferior de su información de columna, independientemente del tipo de datos.

Las columnas Vector son la única excepción: se excluyen del perfil y no se genera ninguna lista de valores para ellas. Un mínimo, una media o una lista de los valores principales no dice nada sobre una incrustación, y la lista de valores sería una serie de matrices sin procesar de cientos de números cada una.

Las columnas de enteros y numéricas muestran estas estadísticas, calculadas sobre el conjunto de datos completo filtrado:

Mínimo
Máximo
Media
Desv. estándar
Suma

Todas las columnas (numéricas, de texto, de fecha o de otro tipo) también muestran estas estadísticas, calculadas sobre la tabla completa sin filtrar:

Null Count (All Rows): el número de valores nulos en toda la tabla
Null % (All Rows): los valores nulos como porcentaje de toda la tabla
Blank Count (All Rows): solo en columnas de texto. Un valor en blanco es un valor vacío o que contiene solo espacios en blanco tras recortarlo, a diferencia de un nulo.
Blank % (All Rows): los valores en blanco como porcentaje de toda la tabla
Distinct % of Non-Null (All Rows): los valores distintos como porcentaje de las filas que realmente tienen un valor. Los nulos se excluyen tanto del recuento de distintos como del total, por lo que una columna que es nula en un 90 % pero cuyos valores rellenados son todos únicos muestra 100 %, no 10 %.

Estas estadísticas (All Rows) se calculan en el servidor y de forma determinista, sin intervención de IA ni muestreo: la misma columna devuelve los mismos números cada vez. Respetan la seguridad a nivel de fila, por lo que solo ve estadísticas calculadas sobre las filas que tiene derecho a ver. Calcularlas cuesta una consulta adicional sobre toda la tabla, sujeta al mismo presupuesto de 60 segundos que otras facetas de columna; si esa consulta agota el tiempo de espera, el resto de la cuadrícula no se ve afectado.

Forma de la distribución

En las columnas numéricas, el Explorador de tablas también informa de cómo se distribuyen los valores, y no solo de dónde se agrupan.

Skewness (All Rows): mide si los valores de la columna se inclinan hacia un lado del promedio o están equilibrados a su alrededor. Un valor cercano a cero significa que los valores son más o menos simétricos; un valor fuertemente positivo o negativo significa que la columna tiene una cola larga que se extiende hacia un extremo. Esto puede revelar una forma que la Media y la Desv. estándar por sí solas ocultarían; por ejemplo, un puñado de valores muy grandes que elevan el promedio mientras la mayor parte de la columna se sitúa mucho más abajo.
Un histograma situado bajo las estadísticas de cada columna numérica agrupa sus valores en 10 intervalos de igual ancho que abarcan todo el rango de la columna, para que pueda ver la forma de la distribución de un vistazo. Sitúe el puntero sobre una barra para ver el rango exacto de valores que abarca y cuántas filas caen en él.

Al igual que las demás estadísticas (All Rows), la asimetría (Skewness) y el histograma siempre abarcan toda la tabla, independientemente de su filtro actual. La asimetría se omite (nunca se muestra como cero ni como un error) en una columna con menos de dos valores o sin ninguna variación, ya que en ese caso no se puede calcular de forma significativa. El histograma se omite de la misma manera en una columna sin un rango calculable, como una que es completamente nula.

Radar de calidad de datos

El Explorador de tablas ejecuta cinco comprobaciones automáticas en cada columna para señalar los datos que merecen una revisión más atenta:

Outliers: valores numéricos estadísticamente alejados del resto de la columna (a más de tres desviaciones estándar de la media).
Format: valores de texto que no coinciden con el patrón dominante del resto de la columna, como una columna que son casi todas fechas con unos pocos valores de texto libre mezclados. Esta comprobación solo se ejecuta en columnas con al menos 100 valores no vacíos, y solo señala una discrepancia cuando un patrón domina claramente: más del 95 % de los valores de la columna coinciden con él.
Duplicates: valores repetidos en una columna que forma parte de la clave de fila declarada de la tabla, donde todos los valores deben ser únicos. Esta comprobación solo se ejecuta en tablas con una clave de fila declarada; las claves de actualización de la tabla se usan como clave de fila.
Orphans: valores de una columna vinculada a una dimensión que no coinciden con ningún miembro de esa dimensión.
Constant: todos los valores no nulos de la columna son iguales, lo que normalmente significa que la columna no aporta información útil.

Estas comprobaciones se ejecutan sobre toda la tabla, igual que las estadísticas (All Rows) anteriores: su filtro actual no tiene ningún efecto en ellas.

Aparece un distintivo directamente en una columna de la vista Details por cada comprobación que encontró algo, y un distintivo atenuado por cada comprobación que no pudo completarse. Abra Data Quality Radar desde el menú Actions para ver un resumen clasificado de cada columna frente a las cinco comprobaciones, incluidas las comprobaciones que salieron limpias o que no se aplican, y no solo las que se señalaron.

Cada comprobación informa de forma independiente de uno de cinco resultados: señalada, limpia, no aplicable, tiempo de espera agotado o no disponible. Una comprobación nunca se omite en silencio: siempre puede ver por qué una columna no tiene veredicto para una comprobación determinada.

Correlaciones

En las columnas numéricas, el Explorador de tablas también informa de con qué intensidad se mueven conjuntamente los valores de una columna y los de las demás columnas numéricas de la tabla.

Pearson r vs <column> (Complete Cases): con qué intensidad se mueven conjuntamente dos columnas en una relación lineal, de -1 (exactamente opuestas) pasando por 0 (sin relación lineal) hasta +1 (exactamente juntas).
Spearman ρ vs <column> (Complete Cases): con qué intensidad se mueven conjuntamente dos columnas en orden de rango, sea o no lineal esa relación. Un par que sube de forma constante a la vez pero describe una curva en lugar de una línea recta puede puntuar más alto en Spearman que en Pearson.
Complete Cases (All Rows): a partir de cuántas filas se calculan realmente los coeficientes anteriores.

Las correlaciones se calculan frente a hasta 10 otras columnas numéricas visibles actualmente en la vista Details, y solo con las filas que tienen un valor en todas esas columnas numéricas, no solo en el par que se compara. Por eso el alcance se etiqueta como (Complete Cases) en lugar de (All Rows): es un subconjunto listwise más reducido de la tabla, y llamarlo (All Rows) exageraría lo que describen los coeficientes. El propio recuento Complete Cases (All Rows) se mide sobre toda la tabla, igual que las demás estadísticas (All Rows): no lo afecta su filtro actual, aunque sí cambia si modifica qué columnas numéricas están visibles.

Las correlaciones se omiten por completo, en lugar de mostrarse a partir de pruebas insuficientes, a menos que haya al menos 10 filas de casos completos y representen al menos el 10 % de la tabla. Una única columna compañera cuyo coeficiente no se puede calcular (por ejemplo, porque no hay variación en esa columna) elimina solo esa fila y no todo el conjunto.

Copiar datos

A veces es útil poder copiar datos seleccionados de PlaidCloud para pegarlos en otras aplicaciones, como una hoja de cálculo.

Desde el botón Copiar de la esquina superior derecha, hay varias opciones de copia disponibles para los datos:

Copiar todo: copia todos los datos al portapapeles
Copiar selección: copia los datos seleccionados al portapapeles
Copiar celda: copia solo el contenido de una única celda al portapapeles
Copiar columna: copia el contenido completo de la columna al portapapeles

Exportar datos

Exportar datos desde la interfaz del Explorador de tablas permite exportar los datos filtrados solo con las columnas visibles. Puede exportar en los siguientes formatos:

Microsoft Excel (xlsx)
CSV (coma)
TSV (tabulación)
PSV (barra vertical)

El menú Descargar también ofrece la posibilidad de descargar solo las filas visibles en el navegador. Esto se basa en el límite de filas especificado.

Acciones adicionales

Hay otras acciones útiles disponibles en el menú Actions.

Guardar como paso de extracción

Al explorar datos, suele hacerse en el contexto de determinar cómo filtrarlos para un proceso de canalización de datos. A menudo esto consiste en aplicar varios filtros, incluidos filtros avanzados, para centrarse en el resultado deseado.

En lugar de intentar replicar todos los filtros, columnas, resúmenes y ordenaciones en un paso de extracción, puede simplemente guardar la configuración existente del Explorador de tablas como un nuevo paso de extracción.

Guardar como vista

De forma similar a guardar la configuración actual del Explorador de tablas como un paso de extracción, como se ha descrito antes, también puede guardar la configuración directamente como una vista.

Esto puede ser especialmente útil al intentar construir porciones de datos para informes u otros procesos posteriores que no requieren una canalización de datos.

Administrar filtros guardados

Nunca tiene que perder el trabajo realizado con sus filtros. Puede guardar la configuración del Explorador de tablas como un filtro guardado. Los filtros guardados también incluyen la visibilidad de las columnas, los resúmenes, los filtros de columnas, los filtros avanzados y las ordenaciones.

También puede permitir que otras personas usen un filtro guardado marcando la casilla Public al guardarlo.

Desde el menú Actions también puede optar por eliminar y cambiar el nombre de los filtros guardados.

Filtros avanzados

Aunque los filtros de columna de señalar y hacer clic permiten aplicar filtros rápidamente para centrarse en los resultados deseados, a veces las condiciones de filtrado son complejas y necesitan especificaciones más avanzadas.

El área de filtros avanzados ofrece tanto un filtro previo a la agregación como un filtro posterior a la agregación, si Summarize está habilitado.

Se acepta cualquier expresión de Python válida para filtrar los datos. Consulte Expresiones para obtener más detalles y ejemplos.