Nivel 2 · Limpia y clasifica las ubicaciones en pandas

Qué estás verificando y por qué

Las direcciones de los clientes las escriben los clientes, así que el mismo lugar llega con varias grafías. Antes de agrupar por nada, mide cuán grave es. nunique() sobre la columna sin procesar frente al mismo conteo sobre los valores limpios te lo dice en dos líneas:

customers["state"].nunique()                         # 69 labels
customers["state"].str.strip().str.upper().nunique() # 39 states

.str.strip() quita los espacios sueltos y .str.upper() pone todas las etiquetas en una misma capitalización. A las personas se las empareja igual, por el correo limpio, porque un correo es lo más parecido que tiene la tabla a la identidad de una persona: el customer_id cambia cuando alguien se registra de nuevo.

Los métodos .str dejan NaN como NaN y nunique() lo omite, así que las 14 ciudades en blanco quedan fuera del conteo en lugar de convertirse en una ciudad llamada “NAN”. isna().sum() las cuenta; no se pueden ubicar en un área metropolitana y salen del paso 3.

Primero estados, luego áreas metropolitanas

El paso 2 le da a la junta la vista por estado, que ya conoce. Mezcla dos fuentes: customers para saber cuántas personas viven en cada estado, y las líneas de pedido para saber quién compró y cuánto. Cada lado se agrega por separado, como una Series indexada por estado, y pd.DataFrame({...}) las alinea por ese índice.

El paso 3 es la respuesta a la pregunta de la sala de exposición. Conserva solo consumidores, porque las cuentas de empresa piden en línea y no visitarían, y clasifica áreas metropolitanas, porque una sala de exposición sirve a una ciudad:

c = customers[(customers["segment"] == "consumer") & customers["city"].notna()]
r = lines.pivot_table(index=["city", "state"], columns="yr", values="revenue", aggfunc="sum")

Las columnas del pivote son los años como enteros, así que r[2025] - r[2024] resta fila por fila. Calcula el crecimiento sobre estos totales sin redondear y redondea al final.

Cómo leer el resultado

city	buyers_2025	revenue_2025	growth_pct
NEW YORK	104	96,984.37	−5.9
LOS ANGELES	78	71,631.90	30.7
DALLAS	58	66,362.59	17.2

New York es la mayor y Los Angeles la de más rápido crecimiento entre las líderes. La tabla por estado habría señalado a California en su conjunto, y su crecimiento global de 0.3% habría ocultado que Los Angeles crece rápido.

Trampas

• Limpiar una copia y luego hacer merge con la tabla sin procesar vuelve a dividir los grupos. Limpia una vez, en customers, y haz merge de las columnas limpias.
• customers["city"] != customers["city"].str.strip() es True para todo NaN, porque NaN nunca es igual a nada. Cuenta los valores desordenados con .notna() en la máscara.
• head(10) sin sort_values devuelve los diez primeros estados en orden alfabético.