Limpieza de datos

Depende del caso: se pueden eliminar las filas o columnas afectadas (dropna), rellenarlas con un valor razonable como la media o la mediana (fillna), o dejarlas explícitamente si el análisis las maneja bien.

Con df.duplicated(), que marca las filas repetidas, y df.drop_duplicates() para eliminarlas.

Porque datos sucios producen conclusiones incorrectas silenciosamente — un promedio calculado con duplicados o valores mal escritos puede parecer válido sin serlo, sin ninguna señal de error.