💥1. ¿Faltan datos? - Errores humanos - Errores técnicos - Preguntas opcionales - Variables no aplicables Evalúa el patrón, no solo el total colSums(http://is.na(df)) library(VIM) aggr(df, numbers = TRUE, sortVars = TRUE) Cambia códigos raros por NA (ND, 99).

🚨2. ¿Existen outliers? - Errores de medición - Registro de datos reales pero raros - Variación natural Observa distribuciones y posibles extremos: boxplot(df$ingresos) # outliers univariantes hist(df$edad) Utiliza la función mahalanobis() para detectar outliers multivariantes.

👉3.¿Existen registros duplicados? - Errores en la integración de datos desde múltiples fuentes - Problemas en procesos de carga (importaciones repetidas) - Falta de identificadores únicos bien definidos # Identifícalos sum(duplicated(df)) #stats #rstats #datascience #analytics

🔀 9. ¿Está en formato ordenado (tidy data)? 📌 Cada fila = una observación 📌 Cada columna = una variable 📌 Cada celda = un único valor Si no, transforma con pivot_longer() / pivot_wider()

💾 10. Guarda tu versión limpia y documentada write.csv(df, "datos_limpios.csv", row.names = FALSE) 🚀 Ahora es tu turno: aplica este checklist a un dataset que uses habitualmente y cuéntanos qué errores detectaste. #stats #datascience #analytics #rstats

👉 Recuerda: cada tabla de datos tiene sus propios inconvenientes concretos que resolver; esto es solo una lista general, y se podría profundizar mucho más en cada uno de estos temas, pero espero que este checklist os sirva como punto de partida útil y práctico. 🚀

Si te perdiste la primer parte, la tienes aquí 👇🏻

@RosanaFerrero Buen día. La numeración brincó del 3 al 9, pero los puntos corresponden a los de la imágen, supongo todo correcto.

@rad_tech_mx Es que no me decidí si numerar la nueva lista desde cero o continuar como parte II del post anterior… un despiste!🤷🏻‍♀️

@RosanaFerrero En especial si son multindex en yfinace

@RosanaFerrero Gracias por el aporte Dra.