Capítulo 8 · 10 niveles
Limpiar datos desordenados
Gestiona valores ausentes, corrige texto inconsistente, encuentra clientes duplicados, trabaja con fechas y tipos, y elimina filas incorrectas antes de informar.
Todo conjunto de datos que encuentres en el trabajo está desordenado, y Harbor & Pine no es una
excepción. Los clientes escribieron su ciudad como ' dallas ' y 'NEW YORK'. Algunos estados
están en minúsculas o con espacios de relleno. Dieciocho personas se registraron dos veces, a veces
con el mismo email en mayúsculas distintas. Nueve productos no tienen coste registrado. Dos docenas
de líneas de pedido tienen una cantidad de cero o menos.
Ninguno de estos problemas lanza un error. Simplemente hacen que tus cifras sean incorrectas: un estado contado tres veces bajo tres grafías, un “cliente nuevo” que ya tiene 40 pedidos, ingresos reducidos por cantidades negativas. Limpiar es la forma de asegurarte de que las cifras significan lo que dices que significan.
Este capítulo cubre el conjunto de herramientas básico: valores ausentes (isna, fillna,
dropna), limpieza de texto con el accesor .str, duplicados, y fechas y tipos. El nivel final
produce un informe limpio de ingresos mensuales y un recuento de clientes sin duplicados, el tipo de
cosa que acaba en una presentación para la junta.
Niveles
- ¿De dónde vienen los clientes?
de Jordan Reyes, Director de Marketing
nan, isna, fillna, dropna, value counts
- Corrige los códigos de estado
de Megan Collins, Directora de Ventas
str accessor, strip, upper, title, normalisation
- Encuentra clientes duplicados
de Priya Shah, Directora de Datos
duplicated, drop duplicates, subset, keep, normalisation
- ¿Qué día de la semana vende más?
de Jordan Reyes, Director de Marketing
to datetime, dt accessor, dayofweek, day name, astype, to numeric
- ¿Qué hace mean() con los costes ausentes?
de Laura Bennett, Directora de Finanzas
nan, mean, skipna, isna
- Nuestras ciudades principales, contadas bien
de Daniel Brooks, Director de Operaciones
str accessor, strip, title, value counts, normalisation, tie breaking
- Agrupa los códigos de cupón en campañas
de Jordan Reyes, Director de Marketing
map, dictionaries, nan, fillna, groupby
- Depuración: Furniture no puede ser nuestro mejor margen
de Laura Bennett, Directora de Finanzas
fillna, transform, groupby, median, nan, debugging
- Convierte una exportación de precios desordenada en números
de Thomas Whitaker, Director de Merchandising
dropna, to numeric, str replace, strip, nan, data quality
- Desafío final: el informe limpio de 2025
de Catherine Hale, Directora General
data quality, filtering, dates, merge, groupby, drop duplicates