Promedio sin nulos
Devolvé el promedio de la Serie (pandas ignora los nulos solo). Pista: .mean(). Ejemplo: con valores [2, None, 4] → promedio_sin_nulos(serie) → 3.0
Entrá y llevá tu progreso —ejercicios, medallas y Pokémon— a cualquier dispositivo. 🔄
Si tu cuenta ya tiene progreso guardado, se carga ese al entrar.
Entraste como . Tu progreso se sincroniza solo. 🔄
Devolvé el promedio de la Serie (pandas ignora los nulos solo). Pista: .mean(). Ejemplo: con valores [2, None, 4] → promedio_sin_nulos(serie) → 3.0
🎯 Meta: arreglar datos sucios. En la vida real ningún dataset viene perfecto: faltan valores, hay duplicados, tipos mal. Limpiar es el paso que nadie ve pero todos necesitan.
Los datos reales son un desastre: un Pokémon sin nivel cargado, filas repetidas, números guardados como texto. Antes de analizar, hay que limpiar.
Un valor que falta aparece como NaN (Not a Number). pandas tiene herramientas para detectarlos y tratarlos.
import pandas as pd
import numpy as np
df = pd.DataFrame({
"nombre": ["Pikachu", "Charizard", "Bulbasaur"],
"nivel": [25, np.nan, 12],
})
print(df.isna()) # True donde falta
print("faltan:", df.isna().sum().sum()) # cuántos NaN en total
P: ¿Qué función de pandas se usa para detectar valores faltantes en un DataFrame?
- `df.null()`
+ `df.isna()`
- `df.empty()`
> `df.isna()` devuelve un DataFrame de `True/False`: `True` donde falta un valor (`NaN`). `.isna().sum()` cuenta cuántos hay por columna.
import pandas as pd
import numpy as np
df = pd.DataFrame({"nombre": ["A", "B", "C"], "nivel": [25, np.nan, 12]})
print(df.fillna(0)) # rellena los NaN con 0
print(df.dropna()) # elimina las filas que tengan algún NaN
⚠️ fillna y dropna devuelven una copia; no cambian el original salvo que se lo asignes (df = df.dropna()).
P: `df.fillna(0)` y `df.dropna()`: ¿cuál es la diferencia principal?
- `fillna` borra filas; `dropna` las rellena.
- Son iguales, solo cambia el nombre.
+ `fillna` reemplaza los `NaN` con un valor; `dropna` elimina las filas que los tienen.
> `fillna(0)` pone 0 donde había `NaN`. `dropna()` directamente saca esas filas. Ninguna modifica el original: devuelven una copia.
A veces un número viene como texto. Lo convertís con .astype().
import pandas as pd
s = pd.Series(["25", "90", "12"])
print(s.astype(int) + 5) # ahora sí podés sumar -> 30 95 17
import pandas as pd
df = pd.DataFrame({"nombre": ["Pikachu", "Pikachu", "Eevee"]})
print(df.drop_duplicates()) # saca filas repetidas
import pandas as pd
df = pd.DataFrame({"hp": [35, 78]})
print(df.rename(columns={"hp": "vida"}))
.str te da métodos de string para toda la columna; .apply() aplica una función a cada valor.
import pandas as pd
nombres = pd.Series(["pikachu", "charizard"])
print(nombres.str.upper()) # PIKACHU CHARIZARD
print(nombres.str.len()) # largo de cada nombre
niveles = pd.Series([25, 90, 12])
print(niveles.apply(lambda x: x * 2)) # función propia a cada valor
| Cosa | Para qué |
|---|---|
df.isna() / .isna().sum() | encontrar y contar faltantes |
df.fillna(v) | rellenar NaN |
df.dropna() | eliminar filas con NaN |
s.astype(int) | cambiar el tipo |
df.drop_duplicates() | sacar filas repetidas |
df.rename(columns={...}) | renombrar columnas |
s.str.upper(), s.apply(f) | transformar texto / aplicar función |
Practicá con los ejercicios de este tema. 💪
⚡ “Datos limpios, conclusiones confiables. Datos sucios, mentiras prolijas.”