1. Aprende
    2. /
  2. Cursos
    3. /
  3. Limpieza de datos en Python
  • 1

    Dificultades habituales con los datos

    Gratuito

    En este capítulo, aprenderás a superar algunos de los problemas más comunes con los datos sucios. Convertirás los tipos de datos, aplicarás restricciones de rango para eliminar puntos de datos futuros y eliminarás puntos de datos duplicados para evitar que cuente doble en el recuento.

  • 2

    Problemas de texto y datos categóricos

    Los datos categóricos y de texto pueden ser a menudo algunas de las partes más desordenadas de un conjunto de datos, debido a su naturaleza no estructurada. En este capítulo, aprenderás a corregir incoherencias de espacios en blanco y mayúsculas en las etiquetas de las categorías, a contraer varias categorías en una sola y a reformatear cadenas para que sean coherentes.

  • 3

    Problemas avanzados de datos

    En este capítulo, te sumergirás en problemas más avanzados de limpieza de datos, como asegurarte de que todos los pesos están escritos en kilogramos en lugar de libras. También adquirirás conocimientos muy valiosos que te ayudarán a verificar que los valores se han añadido correctamente y que los valores que faltan no afectan negativamente a tus análisis.

  • 4

    Vinculación de registros

    La vinculación de registros es una potente técnica para fusionar varios conjuntos de datos, que se utiliza cuando los valores tienen erratas o diferente ortografía. En este capítulo, aprenderás a enlazar registros calculando la similitud entre cadenas; luego, utilizarás tus nuevas habilidades para unir dos conjuntos de datos de reseñas de restaurantes en un conjunto de datos maestro limpio.

Initializing

Ejercicio

Encontrar la coherencia

En este ejercicio y a lo largo de todo el capítulo, trabajarás con el DataFrame airlines, que contiene respuestas a encuestas sobre el aeropuerto de San Francisco, realizadas por clientes de compañías aéreas.

El DataFrame contiene metadatos del vuelo, como la compañía aérea, el destino, los tiempos de espera, así como respuestas a preguntas clave sobre limpieza, seguridad y satisfacción. Se creó otro DataFrame llamado categories, que contiene todos los valores posibles correctos para las columnas de la encuesta.

En este ejercicio, utilizarás estos dos DataFrames para encontrar las respuestas de la encuesta con valores incoherentes, y las descartarás, realizando de forma eficaz una unión externa e interna en estos dos DataFrames, como se ve en el ejercicio del vídeo. El paquete pandas se ha importado como pd, y los DataFrames airlines y categories están en tu entorno.

Instrucciones 1/4

undefined XP
    1
    2
    3
    4
  • Imprime el DataFrame categories y fíjate bien en todas las posibles categorías correctas de las columnas de la encuesta.
  • Imprime los valores únicos de las columnas de la encuesta en airlines utilizando el método .unique().