Familiarízate con los datos faltantes y cómo impactan en tu análisis. Aprende distintas operaciones con valores nulos en tu conjunto de datos, cómo encontrar datos faltantes y cómo resumir la ausencia de datos.

¿Por qué ocuparse de los datos faltantes?

Pasos para tratar valores faltantes

Operaciones con valores nulos

Buscar valores nulos

Cómo manejar los valores ausentes

Detección de valores faltantes

Reemplazar valores faltantes

Sustituir valores perdidos ocultos

Analiza la cantidad de valores faltantes

Analizar el porcentaje de ausencia de datos

Visualiza la ausencia de datos

El problema de los datos faltantes

Analizar el tipo de ausencia de datos en tu conjunto de datos es un paso clave para tratar los valores faltantes. En este capítulo, aprenderás en detalle a identificar patrones en tus datos presentes y ausentes, y a tratar adecuadamente la ausencia usando técnicas sencillas como la eliminación por lista (listwise deletion).

¿Los datos faltan al azar?

Adivina el tipo de ausencia

Deduce MNAR

Buscar patrones en los datos faltantes

Encontrar correlaciones en tus datos

Identifica el tipo de ausencia

Visualizar la ausencia de datos a lo largo de una variable

Rellenar valores ficticios

Generar diagrama de dispersión con valores faltantes

Cuándo y cómo eliminar datos faltantes

Eliminar MCAR

¿Vas a eliminar?

¿La ausencia de datos tiene un patrón?

¡Adéntrate en el mundo de la imputación de datos! En este capítulo, aplicarás técnicas básicas de imputación para rellenar datos faltantes y visualizarás tus imputaciones para poder evaluar su rendimiento.

Imputaciones con media, mediana y moda

Imputación con media y mediana

Imputación por moda y constante

Visualiza las imputaciones

Imputación de datos de series temporales

Rellenar datos faltantes en series temporales

Imputa con el método interpolate

Visualización de imputaciones en series temporales

Visualiza la imputación por forward fill

Visualiza la imputación con relleno hacia atrás

Representa las interpolaciones

Técnicas de imputación

Por último, ve más allá de las técnicas simples y saca el máximo partido a tu conjunto de datos usando técnicas avanzadas de imputación basadas en modelos de Machine Learning, para imputar y evaluar con precisión tus datos faltantes. Utilizarás métodos como KNN y MICE para aprovechar al máximo tus datos faltantes.

Imputación con fancyimpute

Imputación con KNN

Imputación con MICE

Imputación de valores categóricos

Codificación ordinal de una columna categórica

Codificación ordinal de un DataFrame

Imputación KNN de valores categóricos

Evaluación de diferentes técnicas de imputación

Analiza el resumen del modelo lineal

Comparing and choosing the best adjusted R-squared

Comparación de gráficos de densidad

Conclusión

Técnicas avanzadas de imputación

Air Quality

Diabetes

¿Cansado de trabajar con datos desordenados? ¿Sabías que la mayor parte del tiempo de una persona de data science se va en buscar, limpiar y reorganizar datos? ¡Resulta que puedes limpiar tus datos de forma inteligente! En este curso, Cómo tratar datos faltantes en Python, harás exactamente eso. Aprenderás a tratar valores faltantes en datos numéricos, categóricos y también en series temporales. ¡Verás los patrones que presentan los datos faltantes! Mientras trabajas con datos de calidad del aire y de diabetes, aprenderás a analizar, imputar y evaluar los efectos de imputar los datos.

Introduction to Data Visualization with Matplotlib

Supervised Learning with scikit-learn

Aprende a tratar valores faltantes en datos numéricos, categóricos y de series temporales.

Cómo tratar datos faltantes en Python

Aprende a identificar, analizar, eliminar e imputar datos faltantes en Python. 

Deep Learning & Computer Vision Consultant

Visualizar la ausencia a lo largo de una variable

Ausencia a lo largo de una variable

Función para rellenar valores ficticios

Generar diagrama de dispersión de valores ausentes

¡Vamos a practicar!

¿La ausencia de datos tiene un patrón? - Visualizar la ausencia de datos a lo largo de una variable

Visualizar la ausencia de datos a lo largo de una variable

Create Your Free Account