validate-column-types
Validate dataset column types against definitions, values, nullability, formats, ranges, and downstream use. Use when importing, profiling, migrating, or troubleshooting tabular data.
ソース情報
- リポジトリ
- protosphinx/sphinxstack
- ソースの最終更新活動
- 2026年7月29日 13:55
- 検出された SKILL.md の言語
- 英語
- スター
- 3
- フォーク
- 0
インストール方法
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
ソースファイルを確認
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
ファイルエクスプローラー
2 ファイルSKILL.md を表示中
SKILL.md
ソースの指示 · 読み取り専用プレビュー- name
- validate-column-types
- category
- data
- description
- Validate dataset column types against definitions, values, nullability, formats, ranges, and downstream use. Use when importing, profiling, migrating, or troubleshooting tabular data.
# validate-column-types
Validate semantic type, not only what a parser can coerce.
## When to use
- Use for files, tables, APIs, dataframes, and warehouse extracts.
- Do not convert identifiers with leading zeros into numbers or ambiguous dates without a rule.
## Procedure
1. Record dataset version, schema, field definitions, nullability, units, precision, timezone, and valid codes.
2. Parse each column under the expected type while retaining original values and parse failures.
3. Check booleans, integers, decimals, currency, percentages, strings, identifiers, dates, timestamps, arrays, and structured values.
4. Test range, scale, length, format, enum, sign, unit, timezone, and null constraints.
5. Detect mixed types, locale formats, scientific notation, overflow, truncation, leading-zero loss, and sentinel values.
6. Compare observed types to source and downstream schemas.
7. Record exceptions with sample references, counts, impact, and owner.
## Done
- A type-validation report records expected and observed types, constraints, failures, exceptions, impact, and source references
- Parse, range, precision, null, identifier, timezone, locale, and downstream-schema checks verify every column
GitHubで見る