Lección 6 de 16 · Lectura y práctica
Conversión de tipos de datos y normalización
Tipo de lección: VideoConversión de tipos de datos y normalización Esta leccion pertenece al curso Data Science con Python y Pandas y esta pensada para que avances con criterio profesional, no solo con teoria. Primero entiende el.
Del concepto a la práctica
Taller de esta lección
Convertir tipos y normalizar formatos evita comparaciones engañosas. La fecha 2026-02-01 debe representar el mismo día que otra fecha escrita con el mismo criterio, y una moneda textual debe transformarse en número antes de calcular. Normalizar no significa borrar significado: conserva la columna original si el formato inicial debe auditarse.
Ejemplo resuelto
import pandas as pd
df = pd.DataFrame({'fecha': ['2026-02-01', '2026-02-03'], 'importe': ['12,50', '8,00']})
df['fecha'] = pd.to_datetime(df['fecha'])
df['importe_num'] = df['importe'].str.replace(',', '.', regex=False).astype(float)
print(df['importe_num'].sum())La salida es 20.5 y las fechas quedan como valores temporales.
Pruébalo
Inspecciona los tipos originales.
Define el separador decimal esperado.
Convierte una copia de la columna.
Comprueba suma, mínimo y máximo tras la conversión.
Error frecuente: convertir directamente texto con coma decimal a float. Corrígelo sustituyendo la coma por punto y validando los valores problemáticos antes de convertir.
Ejercicio: transforma ['1,20', '3,80', '5,00'] y las fechas ['2026-04-01', '2026-04-02', 'no-fecha'] usando pd.to_datetime(..., errors='coerce').
Comprueba tu resultado
El total esperado es 10.0; hay dos fechas válidas y un NaT, que debe registrarse para revisión y no ocultarse.

Mapa de prácticaAntes de analizar, comprueba los tipos, valores vacíos, duplicados y unidades. Decide cómo tratar cada problema según el contexto y conserva la trazabilidad del cambio. Un gráfico solo es útil si los datos de entrada son coherentes.
Ver la infografía en tamaño completo ↗Tipo de lección: Video
Conversión de tipos de datos y normalización
Esta leccion pertenece al curso Data Science con Python y Pandas y esta pensada para que avances con criterio profesional, no solo con teoria. Primero entiende el concepto, despues aplicalo en una situacion concreta y finalmente deja evidencia de lo que aprendiste.
Objetivo practico
Al terminar, deberias poder explicar el tema con tus palabras, reconocer cuando usarlo y construir una version simple que sirva como base para un proyecto real.
Pasos recomendados
- Lee el concepto y escribi una definicion breve.
- Identifica un caso de uso laboral donde aparezca este problema.
- Construye un ejemplo pequeno y documenta las decisiones.
- Compara tu resultado con el checklist de la leccion.
Sigue con Data Science con Python y Pandas
Esta lección forma parte de un curso de Cursalo. Revisa su programa y elige entre la compra individual o el acceso a toda la escuela.
Si ya tenías acceso a este curso, entra con tu cuenta: tus derechos y tu progreso se conservan. No necesitas comprarlo de nuevo.