Practical Python Data Wrangling and Data Quality

Guía práctica de O'Reilly en la que Susan E. McGregor enfoca la recolección y transformación de datos desde la óptica fundamental de la calidad y la integridad de la información en Python (con soporte para Python 3.9 y 3.10). Está orientada a analistas, periodistas de datos, investigadores y desarrolladores de nivel principiante e intermedio que poseen conocimientos básicos de programación y buscan un marco sistemático para evaluar la fiabilidad de sus fuentes, identificar errores silenciosos y estructurar código limpio y repetible.

El libro profundiza en las dimensiones clave de la calidad del dato (validez, completitud, coherencia, uniformidad y representatividad) antes de manipular formatos locales y remotos como CSV, JSON, XML y canales RSS. Enseña a extraer información de la web mediante solicitudes HTTP con requests y parsing de páginas HTML con BeautifulSoup, además de realizar transformaciones tabulares, imputación y limpieza con pandas. Dedica un bloque fundamental a las buenas prácticas de ingeniería de software: estructuración modular, refactorización en funciones reutilizables y programación defensiva para capturar excepciones en producción. Concluye con análisis exploratorio, visualización estadística mediante matplotlib y seaborn, y una introducción a herramientas complementarias como OpenRefine junto con principios éticos de comunicación de datos.

La práctica se desarrolla a través de cuadernos interactivos de Jupyter y casos de estudio centrados en datos urbanos y abiertos, entre los que destaca el procesamiento del sistema de bicicletas compartidas Citi Bike de Nueva York. Su gran valor añadido reside en priorizar el diagnóstico metodológico de anomalías y la calidad del código, aspectos frecuentemente ignorados en manuales centrados exclusivamente en la sintaxis. Deja fuera el modelado predictivo avanzado y las tecnologías de big data distribuido. Conviene tener conocimientos básicos de control de versiones con Git y nociones fundamentales de Python.