Fase 2: Transformación de los datos

[MRocioG]

Limpieza de datos, la normalización, la conversión de tipos de datos y la aplicación de reglas empresariales específicas.

Usando funciones de Python que se aplicarán a los datos extraídos.

[MRocioG]

• La columna Gender tiene valores de 0 y 1, los cuales son pocos intutitivos. Los podrías reemplazar por "Male" y "Female".
• Algunas columnas, como la columna DailyRate son columnas que incluyen valores numéricos decimales. Pero en el DataFrame aparece como columna de tipo string. Deberás ahcer los cambios necesarios para convertirla en columna de tipo numérica.
• Evaluar si hay valores duplicados y analizar si tiene sentido eliminarlos o mantenerlos.
• Valores inconsistentes, por ejemplo en la columna DistanceFromHome tiene valores negativos.
• Errores tipográficos en algunos valores de las columnas categóricas. Por ejemplo, en la columna MaritalStatus en vez de "Married" en algunas filas aparece "Marreid".
• Columnas redundantes, es decir, columnas que nos dan la misma información expresada de forma diferente.

[MRocioG]

Employeenumber --> limpiamos duplicados en employeenumber, (mantenemos nan y valores únicos): Hemos tomado muestra de los datos que tenemos duplicados, donde observamos que el patrón es que el último registro es el que tiene mayor número de variables válidas (distancia a casa) y datos actualizados. Si quisiésemos hacer un estudio más detallado y dispusiésemos de más tiempo, ampliaríamos la muestra y haríamo sun análisix más exhaustivo de cada uno de los duplicados. --> tenemos 431 null en employeenumber

[MRocioG]

12/12/2023 Datos limpiados