Indice / Practicas / EJ-5.7

EJ-5.7 · Imputar notas invalidas con la mediana

Mismo archivo que EJ-1.3, política opuesta. Allá se descarta lo que no sirve; acá no se pierde ni una fila. Los dos resultados son correctos, y por eso hay que decir cuál se eligió.

Qué hay que hacer

A partir de estudiantes_notas.csv, producir notas_imputadas.csv: las 40 filas, con las tres notas completas y dentro del rango 0 a 10, más el promedio.

Toda nota que falte o que sea imposible se reemplaza por la mediana de su columna. Y queda anotado cuántas notas de cada alumno son inventadas: esa columna es tan importante como las notas.

Ausente y fuera de rango terminan igual, pero no son lo mismo

Una nota vacía y un 99 en una escala de 0 a 10 reciben el mismo tratamiento: los dos se imputan. Pero llegaron por caminos distintos, y eso importa para el informe: en un caso nadie cargó el dato, en el otro alguien cargó uno malo. La columna notas_imputadas los junta a propósito, porque para quien lee el promedio la pregunta es una sola: ¿cuántas de estas notas son de verdad?

Cómo saber si te salió

python comparar.py mi_salida.csv notas_imputadas.csv

Antes de arrancar, mirá los datos

Fijate en nota_3: tiene dos guiones sueltos, y con eso alcanza para que pandas lea la columna entera como texto.

El contrato de salida

notas_imputadas.csv · 40 filas

Orden de las filas: legajo ascendente. Es unico, asi que no hace falta desempate. Indice: no se escribe: to_csv(index=False)

Que hacer con cada defecto

Conteos clave

Si estos numeros no te dan, algo se desvio antes de que llegues a comparar los archivos.

Invariantes

Comprobaciones que tu resultado tiene que cumplir. Corrilas vos mismo antes de comparar los archivos:

len(salida) == 40
salida['legajo'].is_unique
salida[['nota_1', 'nota_2', 'nota_3']].notna().all().all()
salida[['nota_1', 'nota_2', 'nota_3']].ge(0).all().all()
salida[['nota_1', 'nota_2', 'nota_3']].le(10).all().all()
int(salida['notas_imputadas'].sum()) == 9
salida['notas_imputadas'].between(0, 3).all()
(salida['promedio'] - salida[['nota_1','nota_2','nota_3']].mean(axis=1)).abs().max() < 0.005

Así tiene que quedar