¿Un valor extremo es un error o un dato real?
Decide qué es cada valor extremo mirando sus otras columnas: imposible, explicable o pendiente, y anótalo antes de tocarlo.
Curso gratis. Tu Maestro, una IA, .
Llevas una lista de sospechosos: tres viajes de más de 1,300 minutos, seis de menos de un minuto, un paseo de 96 minutos y tres personas nacidas en 1900. Un valor extremo es un valor lejos de los demás. Eso no lo hace un error. Hay extremos reales (una compra de mayoreo, un paseo largo) y errores que ni siquiera se ven extremos.
La forma de saberlo casi nunca está en la columna donde viste el extremo. Está en las otras columnas de la misma fila: a qué hora empezó, cuánta distancia recorrió, de qué estación salió, qué tipo de usuario era. Una fila es un caso completo; lees el caso entero.
Empieza por el sospechoso más fácil. Apuesta antes de seguir leyendo.
Comprueba lo que sabes: El viaje 40478 dura 96.4 minutos, cinco veces la mediana. Empezó el sábado 14 de marzo a las 11:07 en Parque Alameda, terminó en la misma estación y lo hizo un usuario ocasional. ¿Qué es más probable?
Con cada sospechoso haces la misma pregunta: ¿qué dicen sus otras columnas? Las respuestas caen en tres familias. A veces las otras columnas hacen el valor imposible: un viaje de 23 horas que recorrió menos de un kilómetro. Es un error probable. A veces lo explican: el paseo de sábado. Es un dato real, aunque sea extremo. Y a veces no alcanzan para decidir: lo dejas pendiente y lo preguntas a quien conoce los datos. Las tres terminan en el mismo lugar.
Un valor lejos de los demás
¿Qué dicen sus otras columnas?
Camino 1 de 3: lo hacen imposible
Error probable
Lo apartas de las cifras que afecta
Sigue en: Anótalo en tu bitácora
Camino 2 de 3: lo explican
Dato real
Se queda en el análisis
Sigue en: Anótalo en tu bitácora
Camino 3 de 3: no alcanzan
Pendiente
Lo preguntas a quien conoce los datos
Sigue en: Anótalo en tu bitácora
Anótalo en tu bitácora
Tres viajes de más de 1,300 minutos
Ejemplo resuelto · 5 pasos
Tres viajes duran entre 1,317 y 1,453 minutos: casi un día entero. ¿Son errores o viajes reales?
Piensa el siguiente paso por tu cuenta y luego ábrelo para comparar.
Inténtalo: los viajes de menos de un minuto
Ahora el otro extremo. Corre el código y lee las otras columnas de los viajes de menos de un minuto. Antes de decidir, pregúntate qué tendría que pasar para que un viaje dure 20 segundos.
Corre el código y mira las otras columnas de los viajes de menos de un minuto. Luego cambia el filtro a < 5 y compara los viajes que aparecen de más.
Corre el código y mira las otras columnas de los viajes de menos de un minuto. Luego cambia el filtro a < 5 y compara los viajes que aparecen de más.
Ejecuta tu código para ver lo que imprime y el valor de su última expresión. Cada ejecución empieza de nuevo. Ctrl+Enter ejecuta tu código. Tab agrega sangría; para salir del editor, presiona Escape y luego Tab.
Listo para ejecutar tu código.
Ejecuta tu código para ver su salida aquí.
Datos: viajes-rueda, 311 filas
Enter guarda una celda y Escape la deja como estaba. Deja una celda vacía para un valor faltante.
| Fila | Quitar | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | ||||||||||
| 2 | ||||||||||
| 3 | ||||||||||
| 4 | ||||||||||
| 5 | ||||||||||
| 6 | ||||||||||
| 7 | ||||||||||
| 8 | ||||||||||
| 9 | ||||||||||
| 10 | ||||||||||
| 11 | ||||||||||
| 12 | ||||||||||
| 13 | ||||||||||
| 14 | ||||||||||
| 15 | ||||||||||
| 16 | ||||||||||
| 17 | ||||||||||
| 18 | ||||||||||
| 19 | ||||||||||
| 20 |
Los seis viajes de menos de un minuto empiezan y terminan en la misma estación. Lo más probable es un arranque fallido: alguien saca la bici, algo no le gusta (el asiento, una llanta) y la regresa. Es real, pasó, pero no es un viaje. Con el filtro < 5 aparecen dos más, de 4.4 y 4.9 minutos, de Jardín Juárez a Plaza de Armas, medio kilómetro: viajes cortos y normales. El corte importa.
Así queda tu lista de sospechosos:
| Sospecha | Lo que dicen las otras columnas | Qué es | Qué haces |
|---|---|---|---|
| 3 viajes de más de 1,300 min | menos de 1 km, empiezan de noche, terminan al día siguiente cerca de las 20:40 | Error probable de duración | Fuera de las cifras de duración; se cuentan como viajes; preguntar |
| 6 viajes de menos de 1 min | misma estación, 0 km | Real, pero no son viajes | Fuera de las cifras de duración; anotar el criterio |
| Viaje 40478, 96.4 min | sábado 11:07, ocasional, ida y vuelta | Dato real | Se queda |
| 3 años 1900 | tres suscriptores, año redondo | Valor de relleno probable | Pendiente; no usarlo como edad |
Nada de esto cambia la tabla todavía. Quitar, corregir o marcar filas es limpiar, y eso lo trabaja el curso Limpia tus datos. Si dudas sobre un caso, cuéntaselo a tu Maestro con las otras columnas de la fila. Y si quieres practicar el criterio, pídele un caso nuevo.