El texto que se introduce a mano suele tener inconsistencias: espacios sobrantes, mayúsculas sin criterio, números de teléfono en cuatro formatos. pandas limpia columnas enteras a la vez mediante el accesor .str, que proporciona a una columna los métodos de las cadenas de Python.
raw["name"].str.strip().str.title()
str.strip() elimina los espacios de ambos extremos.
str.lower(), str.upper() y str.title() corrigen las mayúsculas y minúsculas.
str.contains("gold", case=False) devuelve una máscara para filtrar; case=False no distingue entre mayúsculas y minúsculas.
str.replace(old, new) sustituye texto. Con regex=True, el patrón es una expresión regular, por lo que r"\D" significa «cualquier carácter que no sea un dígito».
str.split(" ", n=1, expand=True) divide cada valor en columnas separadas.
Cada paso devuelve una nueva columna, así que puedes encadenarlos. Para conservar el resultado, asígnalo de nuevo: raw["email"] = raw["email"].str.strip().str.lower().
Los datos de este ejercicio están en customers_raw.csv, la lista de clientes tal como la introdujo el personal, cargada como raw.
Después de la limpieza, "gold", "GOLD " y "Gold" cuentan como un mismo plan.