Siempre he usado Excel para cálculos rápidos y crear tablas sencillas. Pero, aparte de fórmulas comunes y técnicas básicas de manipulación de datos, nunca sentí la necesidad de aprender funciones adicionales de Excel, hasta que mis proyectos empezaron a volverse más complejos.
Enlaces rápidos
El problema que finalmente me hizo prestar atención
Debido a varios factores del mercado y a los aranceles de importación, comprar componentes informáticos en mi zona suele ser más caro que en Estados Unidos. Quería saber cuánto más pagaba por los mismos componentes y si era mejor comprarlos directamente en Amazon o Newegg en lugar de en tiendas locales. Así que recopilé datos de precios durante varios meses de los principales componentes informáticos (CPU, GPU y RAM) que suelen importar las tiendas locales. ¿Un proyecto de seguimiento sencillo, no? Error.
Rápidamente terminé con un completo desastre de datos. Cada minorista exportaba su información con diferentes convenciones de formato, lo que hacía casi imposible fusionar los archivos. Amazon proporcionaba las fechas en MM/DD/AAAA, Newegg usaba AAAAMMDD y Shopee (mi tienda local) usaba DD-MM-AAAA.
Las inconsistencias no terminaban ahí. Los nombres de las columnas variaban considerablemente. Newegg etiquetaba los precios como "precio_de_venta", mientras que Amazon usaba "precio_unidad_usd" y Shopee optaba por "precio_php". El formato de los precios era igualmente problemático: algunos archivos mostraban "₱18,600" con símbolos monetarios, mientras que otros mostraban números regulares como "320". Incluso las marcas presentaban una falta de coherencia, apareciendo como "gigabyte", "GIGABYTE INC." o "Gigabyte Tech" para el mismo fabricante en diferentes archivos.
Limpiar y fusionar manualmente estos datos ya me llevaba horas. Tenía que copiar y pegar entre archivos, buscar y reemplazar valores incoherentes y eliminar filas vacías una por una. Convertir PHP a USD para comparar precios implicaba consultar constantemente otra pantalla para ver los tipos de cambio. En resumen, el trabajo era tedioso, propenso a errores y casi me hizo rendirme.
Fue entonces cuando finalmente pensé en usar una de las funciones de las que siempre hablan los entusiastas de Excel: Power Query. Muchas otras funciones potentes que ofrece ExcelPero había oído que Power Query era la herramienta perfecta para mi problema específico. Así que, después de ver algunos tutoriales en YouTube, me di cuenta de inmediato de cuánto tiempo podría ahorrar al empezar a usar el Editor de Power Query para depurar todos los datos desordenados que había recopilado de internet. Con Power Query, ahora puedo importar fácilmente datos de diversas fuentes, convertirlos a un formato estandarizado y analizarlos eficientemente, lo que me ahorra tiempo y esfuerzo valiosos en mis proyectos de análisis de precios de componentes informáticos.
¿Cómo uso Power Query para limpiar datos no estructurados?
Después de un tiempo, opté por un proceso sencillo, paso a paso, en el editor de Power Query. Así es como limpié mis exportaciones CSV desordenadas y las transformé en una hoja de cálculo consistente y bien organizada.
Primero, importé mis datos al Editor de Power Query abriendo un libro en blanco y haciendo clic en Dato En la cinta, seleccione Desde texto / CSVLuego seleccioné mi archivo CSV y hice clic Transformar datos Para abrirlo usando el editor de Power Query.
Empecé corrigiendo la columna de fecha. Como estaba recopilando datos de dos fuentes con una diferencia horaria de 12 horas, necesitaba unificar las fechas. Resultó bastante sencillo. Definí la columna. Fecha, haga clic derecho para abrir el menú contextual y seleccione Cambiar tipo > Uso de la configuración regionalEn el menú emergente, configuro el tipo en Fecha e identificado Inglés (Estados Unidos) Para garantizar un formato coherente, Power Query reconoce automáticamente diferentes formatos, como MM/DD/AAAA, AAAA/MM/DD, y variables que usan símbolos como DD-MM-AA, y luego los unifica todos en un único formato de fecha.
Ahora que había arreglado el formato de la fecha, solo necesitaba limpiar la columna. هناك Diferentes formas de limpiar una hoja de cálculo de ExcelPero como todos los errores eran entradas incorrectas generadas por mi raspador, simplemente elegí usar un filtro. Eliminar errores Para eliminar estas entradas. Este paso eliminó los valores nulos y cualquier dato problemático restante que no se registró correctamente, dejándome con fechas limpias y consistentes en todos mis archivos.
A continuación, abordé el desorden de la marca con una función. Reemplazar valoresComo antes, seleccioné la columna de destino, luego hice clic derecho para abrir el menú contextual y seleccioné Reemplazar valoresEn la ventana emergente, ingrese el valor inconsistente en el campo. Valor a encontrar y mi valor estándar en campo Reemplazar con campo.
Lo hice dos veces más y finalmente convertí todas las entradas "gigabyte" y "GIGABTYE Inc." en una única y consistente "GIGABYTE" en todos mis archivos. Hice lo mismo con AMD, y ahora toda la columna de marca de las GPU usa nombres de marca estándar.
Power Query: Cómo me ahorró horas de trabajo
Una de las razones por las que evité Power Query fue que pensé que sería una función compleja que me llevaría mucho tiempo aprender. Pero resultó ser mucho más fácil de lo que esperaba. En lugar de ejecutar un sinfín de comandos de búsqueda y reemplazo, puedo usar Power Query para limpiar datos de mis herramientas de recopilación de forma rápida y automática.
Lo que más me sorprendió de Power Query es que cada comando que ejecutaba se grababa y podía repetirse una y otra vez. Esto básicamente te proporciona un script de limpieza automatizado que puede convertir archivos CSV desordenados en hojas de cálculo limpias y organizadas, perfecto si estás trabajando en un... Cree conjuntos de datos personalizados mediante web scraping, ya que estas herramientas a menudo producen datos sucios.
Para quienes se enfrentan a limpiezas de datos recurrentes, formatos inconsistentes o múltiples fuentes de datos, Power Query transforma estas cargas en un proceso simple y automatizado. En lugar de dedicar horas cada semana a correcciones manuales, simplemente puede presionar "actualizar" y comenzar a analizar. Es una función de Excel que ojalá hubiera adoptado hace mucho tiempo. Una vez que experimente la potencia de un script de limpieza automatizado y repetible, no habrá vuelta atrás. Power Query es una herramienta potente para ahorrar tiempo y esfuerzo en el procesamiento de datos, ofreciendo soluciones avanzadas para una limpieza y transformación de datos efectivas.
