Limpiar datos CSV

Cómo limpiar un archivo CSV

1. Abre un archivo .csv, .tsv o .txt, suéltalo sobre la herramienta o pega filas. El delimitador y la marca de orden de bytes de UTF-8 o UTF-16 se detectan solos; en Configuración de importación puedes elegir otro delimitador o una codificación heredada.
2. En Valores, elige las correcciones de celdas. Usa Aplicar a las columnas para limitarlas a algunas columnas; si no seleccionas ninguna, se aplican a todas.
3. En Filas y columnas, elige qué hacer con las filas vacías, los duplicados y las columnas vacías.
4. Revisa la nota sobre el resultado, compáralo con la pestaña Entrada y luego selecciona Descargar CSV, Copiar o Abrir en el editor.

Cuando los datos estén limpios, compruébalos con reglas por columna en Validar CSV, o cambia el delimitador y las comillas con Cambiar delimitador y codificación de CSV.

Qué hace cada paso, en el orden en que se aplica

Cada valor pasa por los pasos activados en este orden fijo, así que el resultado es el mismo sin importar en qué orden marques las opciones.

Después de los valores se procesan las filas y las columnas: Quitar filas vacías elimina las filas cuyas celdas están todas vacías o solo tienen espacios; Duplicados compara los valores ya limpios; Quitar las columnas que estén totalmente vacías se aplica al final. La eliminación de filas y columnas siempre tiene en cuenta todas las columnas, diga lo que diga Aplicar a las columnas.

Quitar filas duplicadas

• Quitar filas idénticas en todas las columnas es la opción predeterminada. Los valores deben coincidir exactamente después de los pasos de celda anteriores.
• Quitar filas con los mismos valores en las columnas elegidas considera duplicadas las filas que coinciden en las columnas clave seleccionadas, por ejemplo email, o first_name + last_name + zip. Las demás columnas pueden ser distintas.
• Conservar decide qué copia se queda: Primera aparición, o Última aparición, que se queda en la posición de esa última fila.
• Ignorar mayúsculas y espacios alrededor al comparar trata ANA@example.com y ana@example.com como la misma clave. Esta opción no cambia el texto de la fila que se conserva.
• Elige Conservar todas las filas para desactivar la eliminación de duplicados.

Antes de eliminar duplicados por clave, ordena con Ordenar filas de un CSV si quieres que una fila concreta, como la más reciente, quede en primer lugar.

Lo que nunca se cambia

• La fila de encabezado se deja tal cual y el orden de las columnas nunca cambia, salvo cuando se quitan columnas vacías. Si todas las columnas están vacías, no se quita ninguna.
• Los valores no se convierten: 00731, 1e5 y 03/04/2024 siguen siendo texto exactamente como están escritos, salvo por los pasos que hayas activado.
• Los delimitadores entre comillas y los saltos de línea dentro de los valores se leen según RFC 4180 y se vuelven a escribir entre comillas, salvo que sustituyas los saltos de línea.
• Un encabezado vacío se escribe como Column 3 y uno repetido como name (2). Las filas con menos campos que el encabezado se completan con valores vacíos.
• La descarga conserva el delimitador, los saltos de línea y el salto de línea final del archivo, y también su codificación si es UTF-8 (con o sin marca de orden de bytes), UTF-16 LE o Windows-1252; las demás codificaciones se guardan en UTF-8.

Si la limpieza no da el resultado esperado

• Desaparecieron filas que quería conservar. La eliminación de duplicados está activada por defecto. Elige Conservar todas las filas en Duplicados, o desactiva Quitar filas vacías.
• Se conservaron duplicados que parecen iguales. Se diferencian en mayúsculas, en espacios dentro del valor, en tildes escritas de dos formas o en caracteres invisibles. Activa Ignorar mayúsculas y espacios alrededor al comparar, Reducir los espacios repetidos dentro de los valores, Normalizar Unicode (NFC) o Quitar caracteres invisibles.
• El formato de primera letra en mayúscula estropeó nombres o códigos. Limítalo con Aplicar a las columnas, por ejemplo solo a una columna de nombres, para que los correos y los códigos de producto conserven sus mayúsculas y minúsculas.
• No se vació un n/a en minúsculas. La lista distingue mayúsculas y minúsculas; añade n/a junto a N/A.

Límites de la limpieza de CSV y privacidad

Archivos de hasta 25 MB, 100 000 filas, 250 columnas y 2 millones de celdas. Si el archivo es más grande, divídelo antes con Dividir archivos CSV; ten en cuenta que entonces los duplicados solo se detectan dentro de cada parte.

La limpieza se hace en tu navegador. El CSV no se sube a ningún servidor.

Ejemplo: limpiar una lista de contactos

Una lista de contactos limpiada con el recorte de espacios y la eliminación de filas vacías predeterminados, más Reducir los espacios repetidos dentro de los valores, Tratar estos valores como vacíos con N/A, NULL y duplicados por la columna email con Ignorar mayúsculas y espacios alrededor al comparar. La nota indica 5 valores cambiados, una fila vacía y una fila duplicada quitadas. La segunda fila de Ana se elimina como duplicado; la primera conserva su propia grafía.

name,email,city
"  ana lopez ",ANA@example.com,Madrid
Ana Lopez,ana@example.com ,Madrid
Kim   Lee,kim@example.com,N/A
,,
Bao Nguyen,bao@example.com,NULL

name,email,city
ana lopez,ANA@example.com,Madrid
Kim Lee,kim@example.com,
Bao Nguyen,bao@example.com,