Identificar filas duplicadas

Determinar la calidad del dataset

Rellenar datos automáticamente

Eliminar columnas innecesarias

Calcular la media de la target

Rellenar con la moda o eliminar filas

Convertir todos los datos a texto

Crear una nueva columna para valores faltantes

Solo los valores máximos y mínimos

Información sobre la tendencia central y dispersión de los datos

Un análisis visual de los datos

Un resumen de los gráficos utilizados

Edad

Estado civil

Variable de impago

Importe del préstamo

Diagramas de dispersión

Histogramas

Gráficos de líneas

Tablas de frecuencia

Solo el promedio de ingresos

La distribución y características comunes entre clientes

La cantidad total de préstamos otorgados

La duración promedio de los préstamos

Gráfico de barras

Gráfico de dispersión

Mapa de calor

Gráfico de líneas

Identificar relaciones o comportamientos con el impago

Encontrar filas duplicadas

Calcular la media de todos los datos

Eliminar datos inconsistentes

pd.load_csv()

pd.read_csv()

pd.open_csv()

pd.import_csv()

df.fillna()

df.isnull()

df.drop()

count()

sns.heatmap()

plt.correlate()

df.corrplot()

sns.corr_matrix()

sns.countplot()

sns.histplot()

plt.bar()

sns.lineplot()

df.groupby()

df.aggregate()

df.separate()

df.cluster()

df.describe()

df.stats()

df.summary()

df.analytics()

plt.bar()

sns.barplot()

Ambas

Ninguna

plt.show()

plt.display()

plt.visualize()

plt.plot()

df.mean('columna')

df['columna'].mean()

df.mean(column='columna')

df.avg('columna')

df.duplicates()

df.duplicated()

df.remove_duplicates()

df.find_duplicates()