Capítulo 5 · 8 niveles
Limpiar una exportación
Encuentra clientes duplicados, corrige espacios y mayúsculas sobrantes, convierte de nuevo en valores reales los números y fechas guardados como texto, rellena costos que faltan con una razón declarada, marca valores atípicos y entrega una copia limpia.
Toda exportación miente un poco. Un cliente se registra dos veces con el mismo correo escrito en mayúsculas. Una ciudad llega como ' dallas '. Un importe de reembolso sale de un portal como texto, así que SUM lo salta en silencio. Tres sistemas escriben la misma fecha de tres maneras. Un costo está vacío y una cantidad dice 100000. Nada de esto hace sonar una alarma; simplemente deja los números mal.
En este capítulo limpias fragmentos reales de los datos de Harbor & Pine, con todo su desorden: las cuentas de clientes duplicadas, las ciudades y estados con relleno y mayúsculas incorrectas, reembolsos guardados como texto, fechas de pedido en tres formatos, productos sin costo registrado y líneas de pedido con cantidades imposibles. Marcarás duplicados con COUNTIF sobre una clave limpia, reconstruirás texto con TRIM, PROPER y UPPER, comprobarás qué cambió con EXACT, convertirás con VALUE, DATEVALUE y DATE, contarás vacíos con COUNTBLANK y los rellenarás a partir de una MEDIAN, y delimitarás los valores atípicos con QUARTILE.INC. El Desafío final entrega una exportación de clientes limpia con una columna de “problemas encontrados”.
La regla de todo el capítulo: nunca sobrescribas los datos originales. Limpia en columnas nuevas junto a ellos y anota por qué cambió cada valor, para que cualquiera pueda revisar tu trabajo.
Niveles
- Clientes duplicados por correo
de Jennifer Castillo, Jefa del equipo de soporte
duplicates, countif, trim, lower, helper columns
- Corrige espacios y mayúsculas en ciudad y estado
de Helen Parker, Especialista de soporte
trim, proper, upper, exact, data cleaning
- Números guardados como texto
de Nicole Cox, Especialista de soporte
numbers as text, value, sum, count, counta, data types
- Cuestionario: SUM frente a + con números guardados como texto
de Laura Ross, Especialista de inventario
numbers as text, sum, arithmetic coercion, data types
- Fechas guardadas como texto, en tres formatos
de Edward Jones, Coordinador de logística
dates as text, datevalue, date, isnumber, data cleaning
- Valores que faltan, y una razón para cada corrección
de Charles Ruiz, Analista de datos
missing values, countblank, median, imputation, if, data cleaning
- Valores atípicos en una columna de cantidades
de Debra Marshall, Gerente de almacén
outliers, quartile, iqr, median, averageif, if, or
- Desafío final: entrega una exportación de clientes limpia
de Angela Lewis, Analista de datos sénior
data cleaning, trim, proper, countif, exact, textjoin