CSV Pro

¿Qué hace CSV Pro?

Perfilado de archivos CSV: tipos de columnas, estadísticas, anomalías.

Carga esta habilidad cuando necesites entender rápidamente qué contiene un CSV: tipos de columnas, rangos de valores, valores faltantes, duplicados y valores atípicos.

🎯 Cuándo usar

Usa esta habilidad cuando:

• Tengas un archivo CSV y necesites conocer su estructura: tipos de columnas, min/max/mean, valores únicos
• Necesites verificar la calidad de los datos antes de cargarlos en una base de datos o pipeline de ML
• Te pidan «perfil csv», «análisis csv», «qué hay en csv», «anomalías csv»
• Necesites un informe de anomalías: columnas vacías, filas duplicadas, valores atípicos, cadenas largas

NO uses cuando:

• Necesites un análisis completo con correlaciones y recomendaciones — esto es data-analysis
• Necesites consultas SQL a los datos — esto es sql-helper
• Solo necesites contar filas o sumas — es más simple con wc -l y awk

📦 Archivos

• SKILL.md — este archivo
• scripts/csv_pro.py — perfilador de CSV (Python 3 stdlib)

🧰 Uso

# Archivo → perfil en markdown (por defecto):
python3 skills/csv-pro/scripts/csv_pro.py --input data.csv

# Archivo → JSON:
python3 skills/csv-pro/scripts/csv_pro.py --input data.csv --output json

# Desde stdin (texto directamente en pipeline):
cat data.csv | python3 csv_pro.py --stdin

# Separador explícito:
python3 csv_pro.py --input data.csv --delimiter ';'

Análogos canónicos

Referencia completa de patrones canónicos — references/canonical-patterns.md. Los principales análogos y sus conclusiones:

• ydata-profiling — conjunto de métricas de referencia (asimetría, curtosis, cuantiles, MAD, contadores infinitos) y 18 tipos de alertas.
• csvkit csvstat — referencia CLI: csvstat data.csv --json, métricas len y maxprecision.
• DuckDB SUMMARIZE — perfil SQL con cuantiles aproximados y null_percentage.
• Great Expectations — diccionario de afirmaciones verificables (63 expectativas centrales).
• dataprep.EDA — conocimientos tipificados: ceros, negativos, longitud constante, alta cardinalidad.

🔬 Verificación del resultado

• Markdown: tabla «Columnas» (tipo, únicos, vacíos, min/max/mean, top-3) + sección «Anomalías».
• JSON: JSON válido con campos columns y anomalies — verificar con python3 -m json.tool.
• Archivo vacío: mensaje «El archivo está vacío», código 0.
• Archivo inexistente: mensaje en stderr, código 1.