El problema
Un EDA manual completo — distribuciones, correlaciones, nulos, duplicados — consume horas de trabajo repetitivo antes de la primera decisión sobre los datos.
Resolución
- ydata-profiling (ex Pandas Profiling) sobre el DataFrame: una llamada genera el reporte HTML completo.
- El reporte cubre distribución por variable, matriz de correlaciones, valores faltantes, duplicados y alertas automáticas de calidad (alta cardinalidad, columnas constantes, correlaciones sospechosas).
- Lectura crítica del reporte para decidir los siguientes pasos de limpieza — la herramienta señala, el criterio decide.
Tecnologías
Python · Pandas · ydata-profiling
Conocimiento demostrado
Dónde está el límite de la automatización: el reporte reemplaza el trabajo mecánico del EDA, pero la interpretación de qué es un problema real y qué es ruido sigue siendo del analista.