Saltar al contenido
ProgramBI
PythonPython + PandasNivel Básico – Intermedio25 min de armado

Automatizar Limpieza de Excel y Reportes CLP con Python y Pandas

Deja de perder horas limpiando planillas a mano cada lunes. Descarga un Jupyter Notebook completo junto a un archivo CSV sucio realista (montos con '$', 'CLP', fechas mixtas, espacios y duplicados) para automatizar el proceso en segundos.

Qué incluye esta plantilla

  • Limpieza de strings y capitalización (.str.strip().str.title())
  • Conversión de montos '$ 1.250.000' y 'CLP 450.000' a float
  • Normalización de fechas mixtas con format='mixed'
  • Eliminación de filas duplicadas y registros anulados
  • Tablas resumen por sucursal y mes + exportación openpyxl

Estructura del archivo y columnas principales

Campo / BloqueTipoDescripción
ID_VentaTextIdentificador de venta (incluye 2 filas duplicadas intencionales).
FechaText (Mixto)Mezcla formatos DD/MM/YYYY y YYYY-MM-DD.
Sucursal / Vendedor / CategoriaText (Sucio)Textos con espacios extra y mayúsculas/minúsculas inconsistentes.
Monto_Bruto / CostoText (Moneda)Montos con símbolos '$', 'CLP' y separadores de miles.
EstadoTextIncluye registros 'anulado' que deben excluirse del reporte final.

Código listo para copiar (Python + Pandas)

Puedes revisar o copiar directamente los fragmentos clave antes de descargar el paquete completo.

Limpiar montos en pesos chilenos (CLP) con Regex
python
def limpiar_clp(valor: str) -> float:
    if pd.isna(valor):
        return 0.0
    limpio = re.sub(r'[^0-9,-]', '', str(valor)).replace(',', '.')
    try:
        return float(limpio)
    except ValueError:
        return 0.0
Elimina signos '$', letras 'CLP' y puntos de miles para transformar texto en números operables.
Parsear fechas mixtas en una sola línea
python
df['Fecha_Limpia'] = pd.to_datetime(df['Fecha'], format='mixed', dayfirst=True, errors='coerce')
df = df.dropna(subset=['Fecha_Limpia']).copy()
Soporta archivos donde algunos registros vienen en DD/MM/YYYY y otros en formato ISO YYYY-MM-DD.
Exportar múltiples hojas a Excel con openpyxl
python
with pd.ExcelWriter('reporte_ventas_consolidado.xlsx', engine='openpyxl') as writer:
    resumen_sucursal.to_excel(writer, sheet_name='Resumen_Sucursal', index=False)
    resumen_mensual.to_excel(writer, sheet_name='Evolucion_Mensual', index=False)
    df.to_excel(writer, sheet_name='Base_Limpia', index=False)
Genera un libro Excel listo para enviar a gerencia o conectar directamente desde Power BI.

Cómo implementarla paso a paso

  1. 1Descarga automatizar-reportes-excel-pandas.ipynb y ventas-sucias-ejemplo.csv en la misma carpeta.
  2. 2Ábrelo en VS Code, JupyterLab o súbelo a Google Colab (sin instalar nada en tu PC).
  3. 3Si corres en local, asegúrate de tener instalados pandas y openpyxl (pip install pandas openpyxl).
  4. 4Ejecuta las 6 celdas en orden y revisa cómo la tabla sucia queda consolidada.
  5. 5Adapta la ruta de entrada para procesar carpetas completas con varios archivos Excel mensuales.

Preguntas frecuentes

¿Puedo ejecutar el notebook sin instalar Python en mi computador?

Sí. Sube el archivo .ipynb y el CSV a Google Colab (colab.research.google.com) y ejecútalo gratis en el navegador.

¿Por qué usar Python si ya existe Power Query?

Power Query es excelente dentro de Excel/Power BI, pero Python con Pandas procesa millones de filas más rápido, permite automatizar envíos de correo y se integra con APIs y Machine Learning.

¿Qué pasa si mi archivo usa coma decimal en lugar de punto?

La función limpiar_clp() ya contempla el reemplazo de coma a punto; si tus miles usan coma (formato US), solo ajusta la expresión regular.

¿El notebook genera el archivo Excel automáticamente?

Sí, la última celda crea reporte_ventas_consolidado.xlsx con 3 pestañas ordenadas.