Datos tabulares

J1.6 · Nivel J1 · Julia esencial

Objetivos

Leer CSV (separador, decimal) y revisar tipos.
Manejar un DataFrame.
Tratar valores ausentes (missing).
Leer y escribir Excel.
De la tabla a la matriz N × c y a la figura.

Leer, siempre con la ficha

ficha = TOML.parsefile(".../edificio.meta.toml")
a = CSV.read(".../escenario_A.csv", DataFrame; delim=';')
size(a); names(a); describe(a)

Recorrido de los datos

CSV y Excel entran en un DataFrame, del que salen una matriz, una figura y un fichero

`DataFrame`: lo básico

select(df, :a, :b)      filter(r -> r.a > 0, df)
sort(df, :a, rev=true)  transform(df, :a => f => :c)
Matrix(df[:, 2:4])

`missing` se propaga

sum([1.0, missing, 3.0])              # missing
mean(skipmissing([1.0, missing, 3.0]))  # 2.0
coalesce.(v, 0.0)                     # rellena

Qué se hace con un hueco es una decisión de análisis: se documenta.

Resultados de la práctica

Registro: 60 000 × 3, RMS 0,2336 · 0,2244 · 0,1981 m/s².
Mantenimiento: 180 órdenes, 3 costes ausentes.
Media: 940,94 € ignorando; 925,26 € rellenando con 0.
Correctivas: 50 órdenes, 2960,65 €.

La doy por superada si…

Reviso tamaño, tipos y ausentes antes de calcular.
Elijo skipmissing, dropmissing o coalesce con criterio.
Leo y escribo Excel y paso a matriz.