Contar con unos datos de calidad es clave para que los resultados de un análisis de datos sean válidos. Sin embargo, en la mayoría de las ocasiones, los conjuntos de datos suelen tener múltiples problemas de calidad. Por ejemplo, la presencia de valores nulos, nombres de columnas no estandarizados y datos mal formateados. En esta […]
Revista Informática
Limpieza de datos con Pyjanitor: Optimizando los flujos de trabajo
Publicado el 15 abril 2024 por Daniel Rodríguez @analyticslane
Contar con unos datos de calidad es clave para que los resultados de un análisis de datos sean válidos. Sin embargo, en la mayoría de las ocasiones, los conjuntos de datos suelen tener múltiples problemas de calidad. Por ejemplo, la presencia de valores nulos, nombres de columnas no estandarizados y datos mal formateados. En esta […]
Sus últimos artículos
-
Customer Lifetime Value: la fórmula clásica que todo analista debería dominar
-
Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
-
Data Leakage en Credit Scoring: El Error que Invalida tu Modelo
-
DBSCAN y la selección de ε: teoría, intuición y aplicación práctica
