Desafio 1:
https://colab.research.google.com/drive/1d7EOYT2sTVqt8i6unzT7qyFDOP2Hg3Cz?usp=sharing
Desafio 2:
https://colab.research.google.com/drive/1izDi-M7z3obUzFjJMreqWxgvvkVjFUmt?usp=sharing
Hola Estudiante, espero que estés bien
Veo que estás trabajando en los desafíos de transformación y manipulación de datos con Pandas. Aquí te dejo algunas sugerencias para abordar cada uno de los proyectos.
Para el Proyecto Desafío 1: Ventas Online, podrías seguir estos pasos:
Eliminar datos en listas dentro del DataFrame: Si tienes columnas que contienen listas, puedes usar el método explode() para convertir cada elemento de la lista en una fila separada. Por ejemplo:
df = df.explode('nombre_columna')
Verificar tipos de datos: Usa df.dtypes para ver los tipos de datos de cada columna. Esto te ayudará a identificar qué columnas necesitan ser transformadas.
Identificar columnas numéricas: Puedes usar select_dtypes() para seleccionar columnas de tipo numérico:
columnas_numericas = df.select_dtypes(include=['int64', 'float64']).columns
Transformar la columna numérica a tipo numérico: Si encuentras columnas que deberían ser numéricas pero no lo son, utiliza pd.to_numeric() para convertirlas:
df['nombre_columna'] = pd.to_numeric(df['nombre_columna'], errors='coerce')
Para el Proyecto Desafío 2: Administración de Condominios, los pasos son similares:
Eliminar datos en listas dentro del DataFrame: Usa explode() si tienes listas en alguna columna.
Verificar tipos de datos: Nuevamente, df.dtypes te será útil para revisar los tipos de datos.
Identificar columnas numéricas: Utiliza select_dtypes() para encontrar columnas que ya son numéricas.
Transformar la columna numérica a tipo numérico: Usa pd.to_numeric() para convertir las columnas que deberían ser numéricas.
Espero que estas sugerencias te sean útiles para avanzar en tus desafíos. ¡Bons estudos!