Mensaje de Daniela Fuentes, analista de datos y tu mentora en esta ruta
Abre tus datos en un notebook (Google Colab sirve, como en el Caso 3) y explóralos: cuántas filas tienen, qué columnas, qué tipos, qué falta y qué se repite. Limpia lo necesario y anota cada problema en una bitácora: qué encontraste, cuántas filas afectaba y qué hiciste. Escríbela aquí primero y después agrégala a tu README. El notebook va en la carpeta notebooks.
Concepto
Lo mismo que hiciste en el Caso 3, ahora con datos que nadie preparó para ti:
| Pregunta | Código |
|---|---|
| ¿Se leyó bien? | df.columns, df.dtypes y df.head() |
| ¿Cuántas filas tiene? | len(df) |
| ¿Qué falta? | df.isna().sum() |
| ¿Hay filas repetidas? | df.duplicated().sum() |
| ¿Qué valores toma una columna? | df["columna"].value_counts() |
| ¿Hay valores raros? | df.describe() |
Cada decisión de limpieza cambia el resultado, así que se anota. Con la muestra del Maule, la bitácora se vería así:
| Problema | Filas afectadas | Qué hice |
|---|---|---|
| Separador punto y coma y miles con punto | todas | Lo indiqué al leer: sep=";" y thousands="." |
| Filas de total mezcladas con el detalle | 5 | Las separé en otra tabla y las usé como control |
| «s/i» en 2022 | 3 | Quedaron como datos faltantes; lo explico en las limitaciones |
Para subir el notebook desde Colab: Archivo → Descargar → Descargar .ipynb, y luego súbelo a la carpeta notebooks. Súbelo en varios commits, cada uno con un mensaje que diga qué cambiaste.
> tarea de Markdown
Escribe la bitácora de limpieza de tus datos: un título, una tabla con las columnas Problema, Filas afectadas y Qué hice (con al menos tres problemas) y una lista con lo que revisaste y estaba bien.
Primero intenta: las pistas aparecen después de 2 intentos con un resultado incorrecto (los errores de código no cuentan). Llevas 0.
> tarea en GitHub
Sube tu notebook a la carpeta notebooks y pega el enlace del repositorio.
Primero intenta: las pistas aparecen después de 2 intentos con un resultado incorrecto (los errores de código no cuentan). Llevas 0.
> decisión
Encuentras un valor muy distinto al resto: una comuna con diez veces más atenciones que las demás en un solo mes. ¿Qué haces?
Cargando opciones…