Summary  
Demonstrates how to use regular expressions in code to automate data cleaning operations such as removing redundant delimiters, trimming whitespace from fields, and filtering out empty entries.

General domain of usage  
Data cleaning

## Tareas comunes de limpieza de datos que se pueden resolver con expresiones regulares

Al trabajar con datos del mundo real, a menudo se encuentran inconsistencias, caracteres no deseados y formatos impredecibles. **Las expresiones regulares** (**regex**) son herramientas potentes que ayudan a automatizar tareas de limpieza de datos, haciendo que grandes conjuntos de datos sean manejables y estén listos para el análisis.

Las tareas comunes de limpieza de datos que se pueden resolver con regex incluyen:

- Eliminación de caracteres no deseados como puntuación adicional o símbolos;
- Estandarización de formatos como números de teléfono o fechas;
- Extracción de datos estructurados como direcciones de correo electrónico o códigos de producto a partir de texto no estructurado.

Al dominar regex, es posible transformar rápidamente datos desordenados en información limpia y estructurada adecuada para su procesamiento posterior.

import re

# Messy CSV line with extra commas and spaces
line = "  John  ,  Doe , ,  29 ,  New York ,, "

# Step 1: Remove extra commas (replace multiple commas with a single comma)
line = re.sub(r',\s*,+', ',', line)

# Step 2: Remove leading/trailing whitespace from each field
fields = [re.sub(r'^\s+|\s+$', '', field) for field in line.split(',')]

# Step 3: Remove any empty fields
clean_fields = [field for field in fields if field]

print(clean_fields)
# Output: ['John', 'Doe', '29', 'New York']

### Explicación del proceso de limpieza

En este ejemplo, se parte de una línea CSV que contiene comas adicionales y espacios en blanco inconsistentes. El proceso de limpieza utiliza regex en varios pasos:

- **Eliminar comas adicionales:** el patrón `',\s*,+'` encuentra secuencias de comas posiblemente separadas por espacios en blanco y las reemplaza por una sola coma, reduciendo la redundancia;
- **Eliminar espacios en blanco:** el patrón `r'^\s+|\s+$'` elimina los espacios en blanco al inicio y al final de cada campo, asegurando que solo permanezca el contenido real;
- **Eliminar campos vacíos:** se eliminan los campos vacíos, obteniendo como resultado una lista limpia de valores.

Los patrones regex se construyen identificando los elementos no deseados en los datos (como múltiples comas o espacios sueltos) y escribiendo patrones que coincidan con esos elementos para su reemplazo o eliminación. Este enfoque permite transformar de manera eficiente datos desordenados e inconsistentes en un formato fácil de manejar.

¿Qué patrón de expresión regular elimina todos los caracteres no alfanuméricos de una cadena?

Un curso integral sobre expresiones regulares en Python, diseñado para estudiantes con conocimientos básicos de Python. Este curso abarca la sintaxis de regex, coincidencia de patrones, funciones avanzadas y aplicaciones prácticas a través de teoría y ejercicios prácticos.

Aprende los fundamentos de las expresiones regulares en Python, incluyendo la sintaxis básica, la coincidencia de patrones y las funciones esenciales de regex.

Profundización en expresiones regulares con agrupación, cuantificadores, anclas y técnicas de sustitución.

Dominar características avanzadas de expresiones regulares como lookahead/lookbehind, coincidencia no codiciosa y aplicación de expresiones regulares a problemas reales de procesamiento de texto.

Aplicaciones Prácticas de Expresiones Regulares en la Limpieza de Datos

Tareas comunes de limpieza de datos que se pueden resolver con expresiones regulares

Explicación del proceso de limpieza