Saltar al contenido

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

python
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

  1. Inspecciona los tipos originales.

  2. Define el separador decimal esperado.

  3. Convierte una copia de la columna.

  4. 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.

Flujo de datos: dos formatos de la misma fecha se normalizan y un vacío queda marcado antes de comprobar tipos, duplicados y unidades.
CursaloMapa de práctica
Antes del gráfico, revisa los datos

Antes 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

  1. Lee el concepto y escribi una definicion breve.
  2. Identifica un caso de uso laboral donde aparezca este problema.
  3. Construye un ejemplo pequeno y documenta las decisiones.
  4. 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.

01 / ELEGIR UNA RUTA

El próximo paso

Aprende IA mientras construyes algo que sí necesitas.

Empieza por el curso inicial o explora el catálogo para encontrar una práctica alineada con tu trabajo.