Los datos crudos casi nunca sirven
Los cinco problemas más comunes
| Problema | Cómo se ve | Qué hacer |
|---|---|---|
| faltante | celdas vacías, NA, espacios | decidir si se elimina o se imputa |
| duplicado | dos filas con el mismo id | quedarse con una (criterio explicitado) |
| erróneo | edad 250, nota 15 sobre 10 | regresar a la fuente; no inventar |
| inconsistente | México✦, mex., MÉXICO | normalizar a un formato |
| outlier | un ingreso 10 veces mayor que el resto | verificar antes de quitar |
Una decisión clave: los outliers NO son errores por definición. Un dato atípico puede ser perfectamente válido (el ingreso de una empresa enorme mezclado con mipymes). Quitar un outlier sin justificación es manipular el resumen; dejarlo sin contextualizar es distorsionar la media.
Valores faltantes: tres estrategias honestas
- ELIMINAR fila: si el faltante es aleatorio y no cambia n.
- IMPUTAR con mediana: si la variable es numérica y la distribución es asimétrica.
- IMPUTAR con moda: si es categórica.
- DECLARAR: reportar cuántos faltan y con qué criterio se resolvió.
- ENCUESTA DE SEGUIMIENTO: si el faltante no es aleatorio (mucha gente que no quiso responder), eso es el hallazgo.
La bitácora de limpieza (lo que separa lo profesional de lo casero)
- Qué se quitó y por qué (con conteo antes/después).
- Qué regla de imputación se aplicó.
- Qué variables se crearon, recodificaron o combinaron.
- Qué filas se excluyeron del análisis final (para reproducibilidad).
Un outlier es…
Imputar siempre con el promedio es la mejor estrategia.
Abre cualquier tabla tuya y cuenta cuántos huecos, duplicados y formatos distintos hay por columna.
El diagnóstico sorprende
Tu texto se guarda sólo en este dispositivo.
El 60-80% del tiempo se va en ; los outliers se antes de quitar; los faltantes se reportan con la regla de imputación .
¿Documentarías tu limpieza?
Aquí se mira lo que ya fuiste acertando. Pulsa «Comprobar» para saber si puedes seguir.
Comentarios
Inicia sesión para comentar.
Todavía no hay comentarios. Sé la primera persona en opinar.