Manejo de datos en Pandas

1. La columna fecha de los pedidos trae algunos valores «2025-02-30». ¿Qué instrucción la convierte a fecha sin detenerse por esos valores?

• pd.to_datetime(df["fecha"])
• pd.to_datetime(df["fecha"], errors="coerce")
• df["fecha"].astype("int64")
• pd.to_numeric(df["fecha"], errors="coerce")

Con errors="coerce", cada valor que no es una fecha válida se convierte en NaT (el nulo de las fechas). Sin ese argumento, pd.to_datetime lanza ValueError.

2. Tras quitar duplicados quedan 1000 pedidos, y a 374 les falta la calificación. Si ejecutas dropna() sin argumentos, quedan 582. ¿Qué conviene hacer para no perder pedidos con precio y cantidad válidos?

• Usar dropna(subset=["cantidad", "precio_unitario"]) para mirar solo esas columnas
• Ejecutar dropna() dos veces
• Usar dropna(axis=1) para borrar filas en lugar de columnas
• No hay alternativa: un DataFrame con nulos no se puede analizar

dropna() borra toda fila con al menos un nulo. Con subset solo se miran las columnas indicadas: dropna(subset=["cantidad", "precio_unitario"]) conserva 939 pedidos.

3. Solo los pedidos entregados pueden calificarse. Con fillna(0), la calificación media de los entregados bajaría de 4.01 a 3.46. ¿Qué decisión es correcta?

• Rellenar con 0, porque un pedido sin calificación vale cero
• Borrar todos los pedidos sin calificación
• Dejar el NaN y calcular la media solo con las calificaciones que existen
• Rellenar con 5 para compensar

Es un faltante estructural: «no aplica» o «no calificó», no una calificación de 0. Se deja el NaN, que mean() ignora.

4. Quieres la tasa de cancelación por ciudad. ¿Qué hace cancelado.groupby(pedidos["ciudad"]).mean(), si cancelado = pedidos["estado"] == "cancelado"?

• Cuenta cuántos pedidos cancelados hay en cada ciudad
• Da la proporción de pedidos cancelados en cada ciudad
• Lanza un error, porque no se puede promediar True y False
• Promedia el total de los pedidos cancelados de cada ciudad

True vale 1 y False vale 0, así que la media de una columna booleana es la proporción de True en cada grupo. Multiplicada por 100 da el porcentaje (Puebla 11.2 %).

5. Graficas el ingreso por categoría con .plot(kind="barh") y quieres que Electrónica, la mayor, quede arriba. ¿Cómo ordenas la Series antes de graficar?

• sort_values(ascending=False), de mayor a menor
• sort_index(), en orden alfabético
• No hace falta: barh ordena las barras de forma automática
• sort_values(), de menor a mayor

barh dibuja la primera fila abajo y la última arriba. Ordenando de menor a mayor con sort_values(), la categoría mayor queda en la parte superior.