Saltar al contenido

Lección 5 de 16 · Lectura y práctica

Manejo de valores nulos y datos faltantes

Manejo de valores nulos y datos faltantes 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.

Del concepto a la práctica

Taller de esta lección

Un valor ausente no significa automáticamente cero. En una tabla de entregas, una fecha faltante puede impedir medir retrasos, mientras que una observación ausente de peso podría conservarse con una marca para no inventar una medición. La decisión depende del uso posterior y debe quedar registrada.

Ejemplo resuelto

python
import pandas as pd

df = pd.DataFrame({'pedido': [1, 2, 3], 'peso': [2.0, None, 4.0]})
mediana = df['peso'].median()
df['peso_imputado'] = df['peso'].fillna(mediana)
print(df['peso_imputado'].tolist())

La mediana de [2, 4] es 3; la salida es [2.0, 3.0, 4.0]. La columna original permanece intacta.

Pruébalo

  1. Cuenta ausencias por columna.

  2. Separa campos imprescindibles de campos imputables.

  3. Calcula la mediana solo con valores observados.

  4. Compara filas y valores antes y después.

Error frecuente: rellenar todo con cero y convertir “desconocido” en una medición real. Corrígelo usando una columna imputada o eliminando solo filas cuya ausencia impide el análisis.

Ejercicio: usa pesos [10, nulo, 14, nulo].

Comprueba tu resultado

La mediana observada es 12 y, si imputas, la suma resultante debe ser 48; conserva además una marca de qué filas fueron completadas.

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 ↗

Manejo de valores nulos y datos faltantes

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.