Limpieza de datos

Conceptos de almacenamiento de datos

Aaren Stubberfield

Data Scientist

Agenda del video

• Revisión de formato de datos
• Análisis de direcciones
• Validación de datos
• Eliminación de duplicados

Limpieza de formato de datos

• Convertir valores al formato esperado
  • Fechas
  • Nombres de opciones
  • Capitalización
• Garantiza una salida consistente

Ejemplo de datos de taxi

Análisis de direcciones

• Dividir una dirección en sus componentes
• Se pueden usar herramientas para validar direcciones

Dirección
1234 S Normal St, Cleveland, OH 44102

Dirección	Ciudad	Estado	Código postal
1234 S Normal St	Cleveland	OH	44102

Validación de datos

• Comprobación de rango
  • ¿El valor está en el rango esperado?
  • Ejemplo: la edad de una persona

• Comprobación de tipo
  • ¿El valor tiene el tipo de dato correcto?
  • Ejemplo: guardar la edad como cadena vs número

Eliminación de duplicados

• Este proceso elimina filas duplicadas

Gobernanza de datos

¡Vamos a practicar!

Conceptos de almacenamiento de datos