Nivel 6 · Carga el CSV del proveedor y comprueba sus tipos

Leer texto CSV con read_csv

pd.read_csv es como empieza casi todo análisis. Normalmente le das una ruta, como pd.read_csv("orders.csv"). Las tablas de Harbor & Pine de este juego se cargaron exactamente así, por eso orders y products ya están listas para ti.

A veces el CSV no es un archivo: es texto pegado en un correo, devuelto por una API o escrito en una prueba. io.StringIO envuelve un string para que se comporte como un archivo abierto, y read_csv no nota la diferencia:

import io

df = pd.read_csv(io.StringIO(csv_text), parse_dates=["received_on"])
df.shape    # (4, 5)

La primera línea se convierte en los nombres de columna. parse_dates le dice a pandas qué columnas contienen fechas, para que sean datetimes reales en lugar de texto. Sin él, received_on volvería como object, y ordenar o restar fechas no funcionaría.

Qué te dice dtypes

df.dtypes lista el tipo que pandas eligió para cada columna. En este albarán de entrega:

df.dtypes
# sku                    object
# product                object
# units                 float64
# unit_cost             float64
# received_on    datetime64[ns]

El texto se guarda como object. Los números con decimales son float64, los números enteros son int64 y las fechas interpretadas son datetime64[ns].

Por qué units pasó a float64

Todas las cantidades del archivo son números enteros, y aun así units es float64. La cantidad de la manta está en blanco. pandas marca un valor que falta como NaN («not a number»), y NaN solo existe como float, así que la columna entera se guarda como floats: 40 pasa a ser 40.0.

Verás lo mismo en los datos de la tienda. En employees, manager_id es float64, no int64, porque el CEO no tiene jefe y esa celda es NaN. df.info() también lo muestra: el Non-Null Count de units es 3 de 4, lo que apunta directamente al hueco.

Errores comunes

• Pasar el propio texto a read_csv. Sin io.StringIO, pandas trata el texto como un nombre de archivo y falla con un FileNotFoundError.
• Olvidar parse_dates, de modo que las fechas se quedan como texto.
• Tratar como error una columna de id o de conteo float64. Normalmente significa que hay al menos un valor que falta; encuéntralo con .info() antes de convertir.