Práctica de Limpieza de Datos - Dataset Titanic

Este repositorio contiene un ejercicio de limpieza y preprocesamiento de datos utilizando el famoso dataset del Titanic de Kaggle. El objetivo es preparar los datos para un posterior análisis o modelado estadístico.

English version here

Contenido del Repositorio

• Cleaning_TITANIC_2024.ipynb: Jupyter Notebook con todo el proceso de limpieza de datos.
• Titanic/: Carpeta que contiene los datasets originales (train.csv, test.csv y gender_submission.csv).

Descripción del Proceso

En el notebook se realizan las siguientes tareas:

1. Estadística Descriptiva: Exploración inicial de los datos.
2. Eliminación de Columnas: Remoción de variables que no aportan valor al modelo inicial (como el nombre).
3. Imputación de Valores Faltantes: Uso de SimpleImputer para variables categóricas.
4. Tratamiento de Variables Numéricas: Imputación de la media para la columna 'Age' y conversión a tipo entero.
5. Codificación de Variables Categóricas: Aplicación de One-Hot Encoding a las variables 'Sex' y 'Embarked'.
6. Exportación de Datos: Generación de archivos CSV con los datos ya limpios.

Instrucciones de Uso

Para ejecutar el código localmente:

1. Clona este repositorio.
2. Asegúrate de tener instaladas las librerías necesarias (pandas, numpy, scikit-learn).
3. Nota Importante: En el notebook, deberás actualizar las rutas de carga y guardado de los archivos CSV para que coincidan con tu entorno local o de Google Colab.

Tecnologías Utilizadas

• Python
• Pandas
• Numpy
• Scikit-learn (SimpleImputer, OneHotEncoder)
• Jupyter Notebook / Google Colab