Skip to content
Análisis exploratorio de datos: tus primeros 30 minutos con un dataset
Empieza gratis

¿Por qué faltan datos en una tabla y qué cambia en mi análisis?

Busca la causa de cada vacío en las otras columnas, con un ejemplo resuelto y una gráfica, y decide qué cambia en tu análisis.

Curso gratis. Tu Maestro, una IA, .

Contar los vacíos te dice cuántos son. Saber por qué faltan te dice qué puedes concluir con lo que queda. Casi todos los vacíos de una tabla de trabajo caen en una de tres familias:

FamiliaQué pasóEjemplo
No aplicaEl dato no existe para ese casoun pase de un día sin fecha de vencimiento de membresía
Todavía no existeEl hecho no había terminado cuando se sacó la tablaun paciente sin fecha de alta porque sigue internado
Se perdióEl dato existió y no se registróun sensor sin señal, un campo que alguien no llenó

Las tres dejan huella en las otras columnas: los vacíos se juntan en un grupo, en unas fechas o en un lugar. Ese es el truco de esta página. No mires la columna vacía; mira las demás columnas de las filas donde falta.

  1. Una columna con vacíos

  2. Quédate con las filas vacías

    data[data["columna"].isna()]

  3. ¿Se juntan en un grupo, una fecha o un lugar?

    • Camino 1 de 2: sí

      1. Busca la causa en ese grupo

        compara con el total del grupo

      Sigue en: Anota la causa probable y a quién preguntarle

    • Camino 2 de 2: no

      1. Anótalos como dispersos

      Sigue en: Anota la causa probable y a quién preguntarle

  5. Anota la causa probable y a quién preguntarle

Primero mira cómo se hace con los años de nacimiento. Abre un paso a la vez e intenta adivinar el siguiente antes de abrirlo.

¿Por qué faltan 73 años de nacimiento?

Ejemplo resuelto · 6 pasos

A 73 de los 311 registros les falta anio_nacimiento. Antes de resumir las edades registradas, quieres investigar por qué.

Piensa el siguiente paso por tu cuenta y luego ábrelo para comparar.

Ahora te toca con los 8 viajes sin destino. En la página anterior viste que son los mismos 8 en tres columnas. La pregunta es cuándo pasaron. Una gráfica de viajes por día te lo dice de un vistazo.

Tu turno

La gráfica cuenta todos los viajes de cada día. Agrega al final .transform_filter("!isValid(datum.duracion_min)") para quedarte solo con los viajes sin duración. Ya terminaste cuando la gráfica muestre solo esos 8 viajes y veas qué día se concentran.

Datos: viajes-rueda, 311 filas
Los datos del ejercicio, "viajes-rueda". Tus cambios corren con tu código.
FilaQuitar
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Página 1 de 16

De los 8, seis empezaron el domingo 15 de marzo, entre las 22:08 y las 23:51: los últimos viajes de la tabla. Es la sospecha que anotaste en el módulo 1. Son registros sin cierre y podrían haber estado en curso al exportar. La familia "todavía no existe" es una hipótesis: no conocemos la hora de corte ni sabemos si las bicis seguían en uso.

Qué cambia: el promedio de duración del día 15 excluye esos seis registros nocturnos, y el conteo de cierres puede estar incompleto. Explica qué registros entran y pide confirmar la hora de exportación antes de describir el total del día.

Quedan dos sueltos: el 40291 (viernes 6 de marzo, 15:03) y el 40413 (miércoles 11 de marzo, 19:02), los dos de ocasionales, en medio del periodo. Su antigüedad requiere otra revisión; una hora de corte no explica por sí sola por qué no cerraron. Quizá falló el registro del anclaje o hubo un problema operativo. No lo sabes, y está bien no saberlo: va a la bitácora como pregunta para el equipo de operación.

Observación: 6 de los 8 viajes sin destino empezaron el 15 de marzo después de las 22:00; 2 son de días anteriores. Evidencia: la gráfica de viajes sin duración por día. Pregunta: ¿la tabla se exportó cerca de medianoche del 15? ¿Qué pasó con las bicis de los viajes 40291 y 40413?

Fíjate en lo que acabas de hacer: no tocaste la columna vacía. Toda la evidencia salió de inicio y tipo_usuario. Qué hacer después con esas filas, si excluirlas, marcarlas o estimarlas, es una decisión de limpieza; la verás en el curso gratuito Limpia tus datos.

Si en tu tabla hay vacíos y no sabes con qué columna compararlos, pregúntale a tu Maestro.

Inténtalo

Comprueba lo que sabes, 1 de 2: Quieres reportar la duración promedio de los viajes de cada día. ¿Qué haces con los 6 viajes del 15 de marzo que no tenían duración?