Loading
_ DESCIFRANDO CONEXIÓN SEGURA...

Cargar y tipar registros

2 tareas · 40 min · Principiante

0 de 2 · 0%

Al analizar millones de eventos con pandas, inferir tipos automáticamente mediante pd.read_csv() o pd.read_json() puede provocar desbordamientos o corrupciones sutiles de datos (por ejemplo, convertir hashes hexadecimales que empiezan con números en enteros o transformar identificadores con ceros a la izquierda). La práctica rigurosa exige definir un diccionario explícito de tipos (dtype={'record_id': 'string', 'ip': 'category'}) y parsear fechas indicando el formato exacto (format='ISO8601').

Responde para continuar

¿Por qué es crucial declarar dtypes explícitos al cargar telemetría masiva en pandas?

Ver pista de ayuda

Piensa en integridad de tipos, formatos de identificadores y optimización de memoria.

Revisa en la tabla df_auth_summary la cantidad de fallos de autenticación (fail_count) registrados para svc_backup_agent.

Esta tarea se hace en el laboratorio

Una consola para consultar la base de datos, aquí en la página. No instalas nada y no puedes romper nada.

Conectando con la base…

Responde para continuar

¿Cuántos intentos fallidos (fail_count) acumuló el usuario svc_backup_agent?

Ver pista de ayuda

Observa el valor de fail_count en la primera fila de df_auth_summary.

Inicia sesión para registrar tus puntos y progreso en el ranking.

Conectando con la base…

Entorno de Análisis de Telemetría · Jupyter Notebook & pandas
Python Data Analysis Kernel (pandas v2.2 DataFrame)

Tablas

df_auth_summary

  • username
  • success_count
  • fail_count
  • unique_ips
  • failure_rate

df_merged_audit

  • record_id
  • event_time
  • user_id
  • dept_name
  • action_flag
  • merge_status
Ctrl + Enter
Consola de consultas v1.0 · build b77233

Whoami-Labs Pro

Whoami-Labs Pro utiliza cookies

Utilizamos cookies y almacenamiento local para el funcionamiento del sitio, seguridad de sesión y, si lo autorizas, analítica y marketing. Puedes aceptar, rechazar o personalizar. Política de Privacidad