Lección 8 de 16 · Lectura y práctica
Evaluación: Limpieza y Transformación
Practica evaluación: limpieza y transformación con un ejemplo resuelto, un ejercicio y una infografía.
Del concepto a la práctica
Taller de esta lección
La evaluación de limpieza mide si puedes transformar sin ocultar el estado inicial. Una solución sólida conserva una copia de entrada, aplica reglas explícitas y entrega controles: filas eliminadas, ausencias tratadas, tipos finales y registros marcados. El objetivo no es producir una tabla “perfecta”, sino una tabla defendible.
Ejemplo resuelto
import pandas as pd
df = pd.DataFrame({'id': [1, 2, 2], 'importe': ['10', None, '5']})
entrada = len(df)
df['importe'] = pd.to_numeric(df['importe'], errors='coerce')
limpia = df.drop_duplicates('id')
print(entrada, len(limpia), limpia['importe'].isna().sum())La salida 3 2 1 informa filas iniciales, filas posteriores y una ausencia restante. Las dos filas de id=2 tienen importes distintos: este código conserva la primera mediante una regla didáctica explícita. Son versiones en conflicto, no duplicados exactos; en un análisis real debes marcarlas y reconciliar la fuente antes de descartar el importe 5.
Pruébalo
Especifica una regla para cada problema observado.
Ejecuta las transformaciones en orden.
Registra conteos antes y después.
Revisa que las unidades y tipos sean coherentes.
Error frecuente: rellenar ausencias antes de convertir tipos y producir texto mezclado con números. Corrígelo convirtiendo primero y tratando después los nulos resultantes.
Ejercicio: prepara un conjunto con un duplicado, un importe textual y un nulo.
Comprueba tu resultado
El resultado debe incluir una bitácora con al menos tres controles y permitir reconstruir qué fila cambió y por qué.

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 ↗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.