Nivel 2 · Arregla tipos y texto desordenado en una exportación de clientes

Un informe solo puede estar tan limpio como sus datos. Brittany quiere contar clientes por ciudad, y con Tampa, tampa y tampa en la misma columna, un visual mostraría tres Tampas. Este nivel es la pasada de limpieza que harás en casi todas las exportaciones.

El editor de práctica

Como en el resto de este capítulo, trabajas en un editor de práctica creado para este sitio: los nombres de paso y los resultados de Power Query, un paso por línea, la tabla después de cada paso en la vista previa. En Power BI Desktop los mismos pasos viven en Home → Transform data, grabados en Applied Steps en el panel Query Settings.

Mira antes de limpiar

Power Query te ayuda a encontrar los problemas. En la pestaña View, marca Column quality (porcentajes de válidos, errores y vacíos bajo cada encabezado), Column distribution (valores distintos y únicos) y Column profile (conteo de valores de la columna seleccionada). Por defecto perfilan las primeras 1,000 filas; haz clic en el texto de la barra de estado para pasar a todo el conjunto de datos. Aquí, Column profile sobre city lista Tampa, tampa y tampa como valores separados: la primera señal de problemas.

Primero los tipos

La exportación escribió todas las columnas como texto. El icono a la izquierda de cada encabezado muestra el tipo: ABC para texto, 123 para número entero, un calendario para fecha. Los ID en texto se ordenan como 1001, 11, 2, y las fechas en texto no se pueden filtrar por mes.

Change type: customer_id to whole number
Change type: signup_date to date

En Power BI: haz clic en el icono de tipo del encabezado, o Transform → Data Type. Power Query escribe un paso Changed Type:

Table.TransformColumnTypes(Source, {{"customer_id", Int64.Type}, {"signup_date", type date}})

Limpiar el texto

Trim: city, state
Capitalize each word: city
Uppercase: state

Las tres están en Transform → Format (selecciona primero las columnas; Ctrl+clic selecciona varias). Trim quita los espacios al principio y al final, Clean (en el mismo menú) quita los caracteres de control invisibles, Capitalize Each Word escribe Tampa y St. Petersburg, y UPPERCASE escribe FL. El M del primero:

Table.TransformColumns(#"Changed Type", {{"city", Text.Trim, type text}, {"state", Text.Trim, type text}})

Faltante no es un valor

N/A parece una fuente de referencia llamada «N/A». En un gráfico tendría su propia barra, y un conteo de fuentes conocidas lo incluiría. Reemplázalo por un verdadero valor faltante:

Replace values: referral_source "N/A" with null

En Power BI: selecciona la columna, Transform → Replace Values, Value To Find N/A, Replace With null. Power Query compara la celda completa, distinguiendo mayúsculas, así que n/a necesitaría su propio paso.

Orden de los pasos

Los pasos se ejecutan de arriba abajo, cada uno sobre el resultado del anterior. Recorta antes de comparar o deduplicar una columna de texto; cambia los tipos antes de filtrar por fecha. Si un paso se añadió en el lugar equivocado, arrástralo hacia arriba o abajo en Applied Steps, o haz clic derecho → Delete Until End para empezar de nuevo desde ahí.

Errores comunes

• Arreglar el visual en lugar de los datos. Renombrar una barra no arregla la siguiente actualización.
• Poner una ciudad en mayúsculas. TAMPA es coherente pero difícil de leer; la convención es la capitalización de cada palabra.
• Escribir valores sobre las celdas. Power Query no tiene edición de celdas; cada arreglo es un paso grabado, y eso es lo que hace que se repita en la actualización.