¿Qué significa una celda vacía? Cero, "no se sabe" o "no aplica"

En el inventario salieron 44 huecos en descuento, uno en kilos y uno en monto. En el padrón de socios de la cooperativa hay 5 huecos en hectareas y 6 en telefono. Todos se ven igual: una celda vacía, NaN en pandas, NULL en SQL. Pero no quieren decir lo mismo, y lo que hagas con ellos cambia los números que vas a reportar.

Mira primero lo que le pasa a un promedio. Son las hectáreas de cinco socios; dos están vacías.

El promedio con huecos

Ejemplo 1 de 2

example.py

import pandas as pd

hectareas = pd.Series([2.0, None, 4.0, None, 3.0])

print(hectareas.mean())

¿Qué promedio imprime?

¿Por qué?

Adivinar está bien: se guarda tal como la escribiste para compararla. Solo tú y tu Maestro ven tus predicciones.

Ejemplo 2 de 2, se abre cuando expliques este

Haz tu predicción

Tres significados, tres tratamientos

Un hueco quiere decir una de tres cosas, y cada una se trata distinto:

Lo que quiere decir	Ejemplo en la cooperativa	Qué haces
Cero	`descuento` vacío: esa venta no tuvo descuento	Lo llenas con 0 y lo anotas en la bitácora
No se sabe	`hectareas` de un productor que nunca la dio; el `monto` de la venta V-0036	Lo dejas vacío y lo dices en el reporte: "de 2 productores no tenemos el dato"
No aplica	`hectareas` de quien trabaja en la bodega (rol `acopio`): no tiene parcela	Lo dejas vacío y lo separas: el promedio de parcelas es solo de productores

La tabla no te dice cuál es cuál. Las tres celdas se ven idénticas. Lo que distingue un "cero" de un "no se sabe" es cómo se capturó la hoja, y eso lo sabe quien la captura o quien la usa todos los días.

Hay un cuarto caso que no es un significado sino un disfraz: la celda que dice "N/A", "-" o solo un espacio. Si pandas la contó como hueco (el "N/A" sí), cae en esta tabla. Si la dejó como texto (el guion, el espacio), la encuentras con value_counts, como en la página anterior, y después decides igual que con cualquier hueco: ¿cero, no se sabe o no aplica?

Una celda vacía
NaN en pandas, NULL en SQL
¿Qué quiere decir?
pregúntale a quien captura
- Camino 1 de 3: cero
  1. Llénala con 0
    y anótalo en la bitácora
  Aquí termina.
- Camino 2 de 3: no se sabe
  1. Déjala vacía
    y di cuántas faltan en el reporte
  Aquí termina.
- Camino 3 de 3: no aplica
  1. Sepárala del cálculo
    por ejemplo, filtra por rol
  Aquí termina.

La decisión la confirma quien conoce los datos; tú la escribes en código y en la bitácora.

Pregunta, y pregunta todo junto

La persona que conoce los datos casi nunca es quien los limpia. En la cooperativa es Marisol. Un buen mensaje le ahorra tiempo a ella y a ti: dice qué encontraste, cuántos casos son, qué crees que quiere decir y qué vas a hacer mientras contesta. Algo así:

mensaje-a-marisol.txt

Hola, Marisol. Estoy limpiando la hoja de ventas de marzo y tengo tres dudas antes de hacer el reporte:

1. En 44 de 60 ventas el descuento está vacío. ¿Quiere decir que no hubo descuento (0)?
2. La venta V-0036 no tiene monto. ¿Se cobró? ¿Sabes de cuánto fue?
3. A la venta V-0012 le faltan los kilos. ¿Los tienes en otro lado?

Mientras me contestas, dejo esos huecos como están y los marco en el reporte.

Un mensaje con números y una propuesta se contesta en un minuto.

En la historia del curso, Marisol contesta: el descuento vacío es 0 (nadie escribe "0" cuando no hay descuento); la venta V-0036 está pendiente de factura y todavía no tiene monto; los kilos de V-0012 nadie los tiene. Así que el descuento se llena con 0, y los otros dos huecos se quedan vacíos y se reportan.

¿Tienes un hueco en tus datos y no sabes a quién preguntarle? Cuéntale a tu Maestro de dónde sale la tabla.

Consejo: Cuando nadie te puede contestar

No adivines. Deja el hueco y di cuántos hay: "promedio de 25 productores; de 2 no tenemos el dato" se defiende frente a cualquiera; un cero inventado no.

Inténtalo

Ahora con el padrón de socios completo, 30 renglones. Tres socios trabajan en la bodega (rol acopio) y no tienen parcela. Cuenta cuántos huecos de hectáreas hay en cada rol y calcula el promedio de hectáreas solo de los productores, sin llenar ningún hueco. Si no sabes cómo separar los huecos por rol, pídele una pista a tu Maestro.

Imprime cuántos huecos de hectareas hay por rol, y luego el promedio de hectáreas de los productores, sin llenar ningún hueco. Terminaste cuando ves 3 huecos en acopio (no aplica), 2 en productor (no se sabe) y un promedio de productores. ¿Te parece mucho? Guarda el número: en el módulo 2 vas a ver de dónde sale.

Tu código (Python)

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: socios-cooperativa, 30 filas

Enter guarda una celda y Escape la deja como estaba. Deja una celda vacía para un valor faltante.

Los datos del ejercicio, "socios-cooperativa". Tus cambios corren con tu código.
Fila							Quitar
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Página 1 de 2

Ejecútalo tú

El promedio que te salió no incluye a los de acopio (no aplica) y se salta a los 2 productores sin dato (no se sabe). Es el promedio correcto para esta pregunta, aunque todavía esconde otro problema que vas a encontrar en la página de valores imposibles.

Comprueba lo que sabes: Lucía trabaja en la bodega (rol `acopio`) y su celda de `hectareas` está vacía. Vas a calcular el promedio de hectáreas de la cooperativa. ¿Qué haces con su hueco?

pandas: Series.mean (y su skipna)