¿Ya sabes limpiar datos sin perder filas? Compruébalo y elige qué sigue
Contesta otra vez las tres preguntas del inicio, prueba tres casos nuevos y elige tu siguiente paso.
Curso gratis. Tu Maestro, una IA, .
Al empezar el curso te hice tres preguntas sobre una hoja de ventas. Aquí vuelven, idénticas. No hace falta que recuerdes lo que contestaste entonces: contesta con lo que piensas hoy.
Después hay tres preguntas con tablas nuevas, y al final, a dónde puedes ir desde aquí.
Comprueba lo que sabes: En la hoja de ventas, 44 de 60 renglones tienen el `descuento` vacío. ¿Qué hace falta antes de llenarlos?
Comprueba lo que sabes: Tienes 60 renglones de ventas y corres `ventas.drop_duplicates()`. Te regresa 60. ¿Qué puedes concluir?
Comprueba lo que sabes: Conviertes la columna `monto` de texto a número y el código corre sin ningún error. ¿Qué sabes?
Tres casos nuevos
Ahora las mismas ideas en situaciones que todavía no viste: una regla que no encaja con la venta, una consulta de SQL y dos socios con el mismo nombre.
Comprueba lo que sabes: En la hoja de abril, la venta V-0071 dice 700 kilos y 77,000 pesos. La regla de Marisol es de 1 a 500 kilos. ¿Qué haces en tu script?
Comprueba lo que sabes: Quieres quedarte con la última captura de cada folio, en SQL. ¿Qué consulta lo hace?
Comprueba lo que sabes: En el padrón hay dos socios llamados José Luis Pérez Santiago: uno de San Agustín Loxicha y otro de Candelaria Loxicha. ¿Qué haces?
Lo que ya sabes hacer
Cuando empezaste, "CDMX", "Ciudad de México" y "cdmx " eran tres ciudades y un reporte sin error. Ahora puedes:
- Mirar antes de cambiar. Sacar el inventario de una tabla con conteos, huecos y rangos, y escribir la lista de problemas antes de arreglar el primero.
- Distinguir lo que decides tú de lo que pregunta alguien más. Que "puebla" es Puebla lo decides tú; qué quiere decir un hueco o si "Oaxaca" es la capital se pregunta, y la respuesta queda escrita en el código.
- Arreglar en código y no a mano. Texto con un mapa, números con una conversión que cuenta lo que perdió, valores imposibles con una marca, duplicados con una llave y una regla.
- Contar siempre. Filas antes y después de cada paso, y una nota que contesta "¿de dónde salió este número?" dentro de tres meses.
- Hacer lo mismo en SQL, con
TRIM,LOWER,CASE,TRY_CAST,COALESCEyROW_NUMBER. - Dejar todo en un script que se vuelve a correr con la hoja del mes que entra.
Lo que este curso no cubrió: fechas, archivos con acentos rotos, coincidencias aproximadas entre nombres parecidos y unir tablas. Son temas aparte, y el método de aquí (mirar, decidir, arreglar en código, contar, anotar) se queda igual en todos.
Cuéntale a tu Maestro de una tabla de tu trabajo y arma con él tu inventario de problemas y la lista de preguntas para quien conoce los datos.
Piensa en una tabla de tu trabajo que alguien limpió a mano alguna vez. ¿Qué decisión se tomó ahí sin preguntarle a nadie, y qué número de un reporte cambia por ella?
Reflexiona: Piensa en una tabla de tu trabajo que alguien limpió a mano alguna vez. ¿Qué decisión se tomó ahí sin preguntarle a nadie, y qué número de un reporte cambia por ella?
Solo tú y tu Maestro leen esto. Se queda en tu cuenta y se borra con ella.
A dónde sigues
Este curso es completo por sí solo: con lo que hiciste ya puedes limpiar tablas de tu trabajo con cuidado. Si quieres ir más lejos, hay dos cursos de Maestro que parten de donde terminas.
Python for Data People: From Notebooks to Real Programs. Tu limpia.py es un script que lee un archivo y escribe otros dos. Ese curso te enseña lo que hay alrededor: funciones para no repetir pasos, cómo leer un error sin asustarte, archivos y rutas, tus propios módulos y un entorno de proyecto para correr el script en tu computadora. Ya cumples lo que pide: trabajas con datos y escribiste un script de pandas.
SQL for Data People: Think in Tables, Not Spreadsheets. Si tus datos viven en una base de datos, ese curso construye lo que aquí usaste a pedazos: filtros, agrupaciones, uniones entre tablas, CASE, subconsultas y CTEs, y cómo crear y cambiar datos con cuidado. Ya cumples lo que pide: leíste y escribiste consultas con SELECT, WHERE y GROUP BY.
Elige el que corresponda a dónde viven tus datos: archivos y notebooks, el de Python; una base de datos, el de SQL.