Nivel 6 · Nuestras ciudades principales, contadas bien

Una ciudad, muchas grafías

customers["city"] fue escrita por personas, y se nota. New York aparece como New York, NEW YORK y new york, a veces con espacios alrededor. Para pandas son valores distintos, así que cualquier recuento parte la ciudad en pedazos:

customers["city"].nunique()                              # 129
customers["city"].str.strip().str.title().nunique()      # 61

.str.strip() quita los espacios de ambos extremos, y .str.title() pone en mayúscula la primera letra de cada palabra y el resto en minúscula. Juntos llevan todas las grafías a un único nombre limpio. Comprobar nunique() antes y después es una forma rápida de ver cuánto unificó la limpieza. Mira también una vez los valores limpios: title() puede estropear nombres como “McAllen” y dejarlo en “Mcallen”. En esta tabla los 61 nombres limpios, St. Louis incluida, salen bien.

Cuenta, y luego clasifica con un desempate

Tras limpiar, un groupby con recuento por ciudad da las cifras que quiere Daniel:

ciudad	recuento en bruto	recuento limpio
New York	175	181
Los Angeles	123	124
Chicago	102	106
Dallas	78	83

La columna en bruto subestima todas las ciudades grandes, porque las variantes se cuentan por separado. La clasificación limpia también cambia posiciones más abajo: Philadelphia (64) pasa por delante de Miami (63).

Phoenix y Boston tienen ambas 58 clientes, justo en el borde de las diez primeras. Ordenar solo por n_customers dejaría su orden al azar. Añadir city como segunda clave, ascendente, hace que Boston sea novena y Phoenix décima siempre, y Atlanta (57) se queda justo fuera de la lista.

Ciudades ausentes

14 clientes no tienen ciudad. Aparecen como NaN, y groupby deja fuera las claves NaN por defecto, que es lo que necesita Daniel: no puedes entregar el mismo día en una ciudad desconocida. Si alguna vez necesitas contarlos, customers["city"].isna().sum() da 14.

Errores comunes

• Contar antes de limpiar, de modo que New York aparece como varias ciudades más pequeñas.
• Usar .str.upper() o .str.lower() y que luego no coincidan los nombres esperados: el ticket pide formato título.
• Llamar a .strip() sin .str, lo que falla en una Series.
• Olvidar el desempate por city.