Saltar al contenido

Lección 14 de 16 · Lectura y práctica

Limpieza y preparación del dataset

Tipo de lección: ExerciseLimpieza y preparación del dataset 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

Preparar el dataset de ventas consiste en aplicar reglas que preserven la semántica. Si precio_unitario está en euros y unidades es entero, el importe de línea es su producto. Una fila duplicada por una recarga no debe contarse dos veces, pero dos líneas legítimas del mismo pedido pueden conservarse.

Ejemplo resuelto

python
import pandas as pd

df = pd.DataFrame({'linea': [1, 2, 2, 3], 'unidades': [2, 1, 1, 3], 'precio': [10, 5, 5, 4]})
df = df.drop_duplicates('linea')
df['importe'] = df['unidades'] * df['precio']
print(df['importe'].sum())

Quedan líneas 1, 2 y 3; el total es 37.

Pruébalo

  1. Copia el dataset original sin modificarlo.

  2. Define una clave de duplicidad válida.

  3. Convierte tipos y calcula el importe.

  4. Compara filas, unidades e importe antes y después.

Error frecuente: deduplicar por producto y borrar compras distintas. Corrígelo usando una clave de línea o combinación de pedido, producto y fecha.

Ejercicio: crea cuatro líneas, una repetida exactamente.

Comprueba tu resultado

El resultado esperado debe documentar una fila eliminada, total de unidades 6 si las líneas únicas tienen [2, 1, 3], e importe 37 con los precios del ejemplo.

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: Exercise

Limpieza y preparación del dataset

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.