Excel Cleaner & Reporter

Herramienta de automatización en Python que limpia archivos Excel y CSV con datos sucios, normaliza su contenido automáticamente y genera un reporte PDF con estadísticas y gráficos de distribución.

Características

• Detección automática de tipos — identifica fechas, RUTs, teléfonos, emails, precios y texto sin configuración manual
• Limpieza automática — elimina duplicados, filas vacías y normaliza cada columna según su tipo
• Reporte PDF — genera un reporte con tabla de nulos y gráficos de distribución por columna numérica
• Log de cambios — registra en un .txt cuántos duplicados y filas vacías se eliminaron
• Soporte múltiple — procesa archivos .xlsx y .csv, uno o varios a la vez

¿Qué normaliza?

Tipo detectado	Qué hace
Texto	Elimina espacios extra, aplica Title Case
Fecha	Estandariza al formato YYYY-MM-DD (soporta +15 formatos)
RUT	Estandariza al formato XX.XXX.XXX-X
Teléfono	Estandariza al formato +569XXXXXXXX
Email	Convierte a minúsculas y elimina espacios
Precio	Limpia símbolos ($, CLP, USD) y convierte a float

Estructura del proyecto

Excel-Cleaner-Reporter/
├── cleaner.py      # Detección automática y normalización de datos
├── reporter.py     # Generación del reporte PDF
├── main.py         # Script principal, orquesta todo
├── input/          # Coloca aquí tus archivos Excel o CSV
├── output/         # Aquí se generan los archivos limpios, logs y PDFs
└── requirements.txt

Instalación

1. Clonar el repositorio

git clone https://github.com/JeanBiza/Excel-Cleaner-Reporter.git
cd Excel-Cleaner-Reporter

2. Instalar dependencias

pip install -r requirements.txt

Uso

1. Coloca tu archivo .xlsx o .csv en la carpeta input/
2. Ejecuta el script:

python main.py

3. Si hay múltiples archivos, el programa te pregunta cuál procesar (o todos con 0)
4. En output/ encontrarás:
   • clean_NombreArchivo.xlsx → Excel limpio
   • log_NombreArchivo.txt → resumen de cambios
   • Report_NombreArchivo.pdf → reporte con estadísticas y gráficos

Ejemplo de output

Log generado:

Archivo: clientes.xlsx
Filas originales: 100
Duplicados eliminados: 14
Filas vacías eliminadas: 5
Filas finales: 81

Reporte PDF incluye:

• Resumen de estadísticas del proceso
• Tabla de completitud por columna (% de datos no nulos)
• Histogramas de distribución por columna numérica

Dependencias

pandas
openpyxl
reportlab
matplotlib

Autor

Jean — @JeanBiza