Limpia tus datos sin romperlos

Sintetizar

• Completar y adaptar un script de limpieza que se vuelve a correr con un archivo nuevo y anota cada paso con sus filas

  Dónde lo enseño: Un script que puedas volver a correr · ¿Cómo convierto mi limpieza en un script que pueda volver a correr?

  Se apoya en:

  • Decidir si un hueco quiere decir cero, no se sabe o no aplica, y quién lo confirma
  • Normalizar categorías de texto en pandas con strip, lower y un mapa explícito
  • Marcar los valores que rompen una regla confirmada, en lugar de borrarlos
  • Contar las filas antes y después de cada paso para atrapar las que se pierden sin aviso
  • Decidir qué copia de un registro repetido se queda y conservarla ordenando antes de quitar

  Tu Maestro te pide construir algo propio con ello y, cuando lo haces, lo guarda como evidencia.

Analizar

• Decidir si un hueco quiere decir cero, no se sabe o no aplica, y quién lo confirma

  Dónde lo enseño: Mira antes de cambiar · ¿Qué significa una celda vacía? Cero, "no se sabe" o "no aplica"

  Se apoya en:

  • Hacer el inventario de problemas de una tabla antes de cambiarla

  Tu Maestro te pide descomponer un problema con ello y, cuando lo haces, lo guarda como evidencia.

• Elegir las columnas que hacen que dos filas sean el mismo registro y predecir cuántas filas quedan

  Dónde lo enseño: Duplicados que sí y que no · ¿Por qué drop_duplicates() no quita mis repetidos? Define la llave primero

  Se apoya en:

  • Contar las filas antes y después de cada paso para atrapar las que se pierden sin aviso

  Tu Maestro te pide descomponer un problema con ello y, cuando lo haces, lo guarda como evidencia.

• Decidir qué copia de un registro repetido se queda y conservarla ordenando antes de quitar

  Dónde lo enseño: Duplicados que sí y que no · ¿Cómo me quedo con la última captura de cada folio en pandas?

  Se apoya en:

  • Elegir las columnas que hacen que dos filas sean el mismo registro y predecir cuántas filas quedan

  Tu Maestro te pide descomponer un problema con ello y, cuando lo haces, lo guarda como evidencia.

• Comparar DISTINCT con ROW_NUMBER para quitar repetidos en SQL y escribir el que pide la llave

  Dónde lo enseño: Lo mismo en SQL · ¿Por qué DISTINCT no quita mis duplicados? ROW_NUMBER y QUALIFY en DuckDB

  Se apoya en:

  • Elegir las columnas que hacen que dos filas sean el mismo registro y predecir cuántas filas quedan
  • Limpiar texto, números y huecos en SQL con TRIM, LOWER, CASE, REPLACE, TRY_CAST y COALESCE

  Tu Maestro te pide descomponer un problema con ello y, cuando lo haces, lo guarda como evidencia.

Aplicar

• Hacer el inventario de problemas de una tabla antes de cambiarla

  Dónde lo enseño: Mira antes de cambiar · ¿Qué reviso en una tabla antes de limpiarla? Haz el inventario de problemas

  Se apoya en:

  • Describir un método de limpieza: mirar, decidir con quien conoce los datos, arreglar en código, contar filas y anotar
  • Explicar por qué un mismo valor escrito de varias formas cuenta como categorías distintas

  Tu Maestro te pide usarlo en un caso nuevo y, cuando lo haces, lo guarda como evidencia.

• Normalizar categorías de texto en pandas con strip, lower y un mapa explícito

  Dónde lo enseño: Arregla en código, no a mano · ¿Cómo limpio texto escrito de varias formas en pandas? strip, lower y un mapa

  Se apoya en:

  • Explicar por qué un mismo valor escrito de varias formas cuenta como categorías distintas
  • Hacer el inventario de problemas de una tabla antes de cambiarla

  Tu Maestro te pide usarlo en un caso nuevo y, cuando lo haces, lo guarda como evidencia.

• Convertir números guardados como texto y contar los valores que no se pudieron convertir

  Dónde lo enseño: Arregla en código, no a mano · ¿Por qué pandas no suma mis montos? Números guardados como texto

  Se apoya en:

  • Hacer el inventario de problemas de una tabla antes de cambiarla

  Tu Maestro te pide usarlo en un caso nuevo y, cuando lo haces, lo guarda como evidencia.

• Marcar los valores que rompen una regla confirmada, en lugar de borrarlos

  Dónde lo enseño: Arregla en código, no a mano · ¿Borro o marco un valor imposible? Cómo encontrarlo en pandas

  Se apoya en:

  • Convertir números guardados como texto y contar los valores que no se pudieron convertir

  Tu Maestro te pide usarlo en un caso nuevo y, cuando lo haces, lo guarda como evidencia.

• Contar las filas antes y después de cada paso para atrapar las que se pierden sin aviso

  Dónde lo enseño: Arregla en código, no a mano · ¿Cómo sé si mi limpieza perdió filas? Cuenta antes y después de cada paso

  Se apoya en:

  • Describir un método de limpieza: mirar, decidir con quien conoce los datos, arreglar en código, contar filas y anotar

  Tu Maestro te pide usarlo en un caso nuevo y, cuando lo haces, lo guarda como evidencia.

• Limpiar texto, números y huecos en SQL con TRIM, LOWER, CASE, REPLACE, TRY_CAST y COALESCE

  Dónde lo enseño: Lo mismo en SQL · ¿Cómo limpio texto, números y huecos en SQL? TRIM, CASE, TRY_CAST y COALESCE

  Se apoya en:

  • Normalizar categorías de texto en pandas con strip, lower y un mapa explícito
  • Convertir números guardados como texto y contar los valores que no se pudieron convertir

  Tu Maestro te pide usarlo en un caso nuevo y, cuando lo haces, lo guarda como evidencia.

Comprender

• Explicar por qué un mismo valor escrito de varias formas cuenta como categorías distintas

  Dónde lo enseño: Mira antes de cambiar · ¿Por qué pandas cuenta "CDMX" y "cdmx " como ciudades distintas?

  Tu Maestro te pide explicarlo con tus palabras y, cuando lo haces, lo guarda como evidencia.

• Describir un método de limpieza: mirar, decidir con quien conoce los datos, arreglar en código, contar filas y anotar

  Dónde lo enseño: Mira antes de cambiar · ¿Por qué pandas cuenta "CDMX" y "cdmx " como ciudades distintas?

  Tu Maestro te pide explicarlo con tus palabras y, cuando lo haces, lo guarda como evidencia.