limpiaré tu desordenado Excel o CSV en datos ordenados y utilizables

Tienes los datos. Solo que no puedes hacer nada con ellos: los encabezados están en la fila 4, la mitad de las columnas son texto, hay ocho filas de basura de navegación en la parte inferior, y dos hojas diferentes tienen las mismas columnas con nombres distintos.

Las cinco cosas que realmente salen mal y qué hago con cada una:

1. El encabezado no está en la fila 1. Título, subtítulo, unidades, fecha de publicación. Localizo el encabezado real estructuralmente, no asumo, y no elimino cinco filas por fe.

2. Encabezados de dos filas. Grupos de unidades que abarcan algunas columnas, nombres debajo. Compuesto en nombres de columna únicos y correctos en lugar de cinco columnas llamadas "Columna 3".

3. Números almacenados como texto. Se ordenan mal, las medias fallan, los gráficos mienten. Convertidos, con los separadores de miles eliminados. Los valores faltantes permanecen faltantes, nunca convertidos silenciosamente en cero.

4. Basura en el pie de página como datos. Fuente:, Notas:, Fecha de publicación. Movido fuera de los datos y conservado como notas.

5. Dos tablas que parecen iguales pero no lo son. Separadas, etiquetadas y la diferencia anotada.

Ejemplo práctico en la galería: un libro de trabajo real de estadísticas del gobierno del Reino Unido con 11 hojas, cuatro diseños de tablas diferentes dentro, limpiadas en 10 CSV y 175 filas verificadas, con 33 controles automatizados.