Limpiar datos reales

Concepto

Hasta ahora trabajaste con archivos ordenados. En esta lección cargas un archivo de ventas como los que llegan de verdad, con los tres problemas más comunes: texto escrito de distintas formas, filas duplicadas y valores vacíos.

El orden importa. Primero se normaliza el texto, después se quitan duplicados y al final se quitan las filas sin datos. Si buscas duplicados antes de normalizar, dos filas que solo se diferencian en "Norte" y "norte" no se reconocen como iguales y se te escapan.

Normalizar texto. Clic derecho en el encabezado de region > Transformar > "minúsculas", y otra vez > Transformar > "Recortar", que quita los espacios del principio y del final. Así "Norte", "NORTE " y " sur" quedan como norte y sur.

Quitar duplicados. Selecciona todas las columnas (clic en la primera, Mayúscula + clic en la última) y usa Inicio > Quitar filas > Quitar duplicados. Se eliminan las filas idénticas en todas las columnas seleccionadas.

Filas sin monto. La flecha de filtro de monto permite desmarcar "(null)" o el valor vacío. Antes de quitarlas, pregúntate qué significa que falte: aquí son ventas incompletas que no se pueden usar, pero en otros casos el vacío significa 0.

Práctica. Los datos están en ventas_sucio.csv, también en «Datos del caso» de estas clases.

1. Descarga ventas_sucio.csv y cárgalo con Obtener datos > Texto/CSV > 'Transformar datos'.
2. Antes de limpiar, abre el filtro de region y mira cuántos valores distintos aparecen.
3. Normaliza region: Transformar > minúsculas, y después Transformar > Recortar.
4. Selecciona todas las columnas y usa Quitar filas > Quitar duplicados.
5. Filtra monto para quitar las filas vacías.
6. 'Cerrar y aplicar' y cuenta las filas en la vista Datos.