Esta sub-habilidad ofrece orientación práctica de solución de problemas para los informes EDA automatizados de Sweetviz, abordando generación lenta, errore…
Esta sub-habilidad ofrece orientación práctica de solución de problemas para los informes EDA automatizados de Sweetviz, abordando generación lenta, errores de memoria, problemas de renderizado y mala clasificación de tipos de datos. Explica opciones eficientes como desactivar el análisis por pares, muestrear o dividir (chunking) conjuntos de datos grandes, y omitir columnas de alta cardinalidad mediante FeatureConfig para reducir tiempo de ejecución y uso de memoria. Cubre cómo asegurar el reconocimiento correcto de categóricas y fechas forzando categorías o convirtiendo columnas a datetime, y cómo resolver problemas al ver el HTML guardando informes con un layout explícito y la bandera open_browser. Casos de uso: preparar informes exploratorios sobre conjuntos de datos grandes o desordenados, diagnosticar por qué variables se interpretan mal, y exportar de forma fiable resúmenes HTML compartibles. Beneficios clave: generación de informes más rápida y estable, manejo preciso de variables y renderizado predecible para analistas y data scientists.
Esta página forma parte del hub OpenClaw Skills con guías de instalación, categorías y enlaces prácticos.