2.9.26
Publicada el 2 nov. 2026
Sitio web oficial de Fredit Flow
Data cleaning python: scripts que revisas y pruebas tú
Fredit Flow 2.9.26 es un agente para Windows que escribe y ejecuta scripts de Python para limpiar tus propios archivos CSV y JSON, guarda el resultado en un archivo nuevo y te muestra el diff.
Limpia customers.csv: quita espacios sobrantes, pasa los e-mails a minúsculas, elimina clientes duplicados y guarda customers_clean.csv.
- glob
./*.csv2 archivos - read_file
./customers.csvmuestra leída - write_file
./clean_customers.pyguardado - Shell
your Python command clean_customers.pyexit 0 - read_file
./customers_clean.csv8 filas
Esperando tu OK antes del siguiente pasoRechazarAceptar
Windows 10/11
Solo de 64 bits (x64)
Unos 34 MB
El .exe portable pesa unos 25 MB
13 idiomas
Integrados en la app
No hace falta
No hay nada que registrar
En la nube o locales
O el modelo integrado
Cómo funcionan aquí los scripts de data cleaning python
Un script de data cleaning python busca y corrige errores de un conjunto de datos antes de analizarlo: tipos incorrectos, espacios sueltos, mayúsculas mezcladas, filas duplicadas y valores que faltan. Fredit Flow escribe y ejecuta ese script mientras tú apruebas cada regla y lees el diff. El original no se toca. Los datos limpios van a un archivo nuevo, y los 4 ejemplos de abajo muestran los pasos.
Ordena la exportación de clientes de tu propia tienda
Una exportación de tienda llamada customers.csv tiene espacios sueltos, e-mails con mayúsculas y minúsculas mezcladas, clientes repetidos y edades guardadas como texto. Fredit Flow usa primero read_file para mirar las primeras filas y luego write_file guarda clean_customers.py, un script que quita espacios, pasa los e-mails a minúsculas, omite direcciones repetidas y convierte las edades en números. Shell lo ejecuta con tu propio comando de Python e informa del código de salida real y de los recuentos de filas que imprime. El resultado es customers_clean.csv. Tu original, customers.csv, queda como estaba. En modo Ask first la tarjeta hace una pausa antes de guardar el archivo, y tú revisas a mano 10 filas de ambos archivos antes de fiarte del resultado.
Registro de herramientas
read_file ./customers.csv → first rows
write_file ./clean_customers.py → saved
Shell your Python command clean_customers.py → exit 0
read_file ./customers_clean.csv → 8 rowsDecide qué hacer con los valores que faltan
Los valores que faltan no tienen una única respuesta correcta, y esta parte del proceso de limpieza de datos la decides tú. En sales.csv, grep busca dos comas seguidas, lo que solo encuentra huecos en medio de una línea, así que el script también debe tratar los huecos al final de la línea y marcadores como n/a. Eliges una regla por columna: descartar la fila, rellenar con un valor fijo, rellenar con la mediana o dejar el hueco y marcarlo. write_file crea clean_sales.py, edit_file modifica ese script y, en modo Ask first, tú lees el diff. Anota cada decisión. Después revisa tú mismo 5 filas marcadas en sales_clean.csv.
Registro de herramientas
grep ,, ./sales.csv → 6 lines
write_file ./clean_sales.py → saved
edit_file ./clean_sales.py → +9 lines
Shell your Python command clean_sales.py → exit 0Data wrangling con Python: une dos archivos por una clave
Tienes orders.csv y customers.csv de tu propia tienda y quieres una sola tabla. read_file muestra las cabeceras de ambos, así el agente puede nombrar el id de cliente que comparten, y write_file guarda merge_orders.py. Shell ejecuta el script con tu propio comando de Python e imprime cuántos pedidos encontraron cliente y cuántos no. Las filas sin pareja se listan. Van a un archivo aparte en lugar de desaparecer, y la tabla combinada también va a un archivo nuevo. Compara los 2 recuentos de filas con los originales y abre algunas filas combinadas para comprobar que cada pedido lleva el cliente correcto.
Lee el plan antes de que se ejecute nada
El modo Plan only escribe los pasos de limpieza y no ejecuta nada, así que no arranca ningún comando ni cambia ningún archivo. Para una carpeta de exportaciones, el plan indica qué inspeccionará read_file, qué reglas aplicará el script y adónde irá cada archivo de salida. Los planes sobreviven a los reinicios. Lo lees, pides otra regla en el chat y cambias a Ask first para llevarlo a cabo. Más adelante, Cron puede volver a ejecutar el script según un horario, de modo que 1 exportación nueva reciba las mismas reglas. El script de Python guardado es un limpiador de CSV en texto plano: puedes leerlo, probarlo en una copia y conservarlo.
En qué se diferencia de un asistente de chat normal
Los asistentes de chat sugieren pasos. Fredit Flow 2.9.26 ejecuta las herramientas por sí mismo, y cada acción aparece en el chat como una tarjeta con su resultado real, como la salida del comando o el diff del archivo.
| Asistente de chat típico | Fredit Flow | |
|---|---|---|
| Acciones | Sugiere un script y te deja ejecutarlo a ti | Ejecuta las herramientas y muestra cada resultado en una tarjeta |
| Tus archivos | Trabaja con el texto que pegas en el chat | Lee los archivos de la carpeta de trabajo del chat |
| Cambios | Tú copias las ediciones a mano | Muestra un diff antes de que aceptes una edición en Ask first |
| Privacidad de los datos | El texto pegado va al proveedor | Con un modelo local, nada sale de tu PC |
Cómo empezar
- Descarga el instalador, de unos 34 MB, y compara su suma de comprobación SHA-256 con el manifiesto publicado.
- Ejecútalo en Windows 10 u 11 y conecta un modelo: un proveedor en la nube, un modelo que corra en local o el integrado.
- Elige la carpeta del proyecto que contiene tus propios archivos CSV o JSON; las herramientas de archivos trabajan dentro de la carpeta de trabajo del chat.
- Pide un trabajo de limpieza en modo Ask first o Plan only, lee el diff, ejecuta el script en una copia y revisa a mano el resultado.
Quién lo usa y cuándo
Analistas, dueños de tiendas y responsables de encuestas con una exportación desordenada forman el primer grupo. Sus archivos CSV y JSON llegan con espacios sueltos, formatos de fecha mezclados y clientes repetidos, y quieren un script que puedan leer, volver a ejecutar y conservar. Los originales quedan como están.
Estudiantes e ingenieros que preparan datos para aprendizaje automático forman el segundo grupo. Los datos reales y desordenados rompen los modelos una y otra vez, y el preprocesamiento de datos es el nombre de la limpieza seguida de pasos como codificar categorías y escalar números. Primero divide. Fredit Flow 2.9.26 escribe el script, y tú compruebas la división.
Quien tenga datos personales en sus archivos tiene un paso extra. Los prompts y cualquier texto de archivo que lea el agente van al endpoint del modelo que elijas, así que usa un modelo que corra en local en tu PC o quita antes las columnas personales. Sabe adónde van tus prompts. Trabaja solo con datos que sean tuyos o que tengas derecho a tratar.
Preguntas frecuentes
¿Qué significa «data cleaning python»?
La expresión se refiere a escribir un script de Python que encuentra y corrige errores de un conjunto de datos antes de analizarlo, como tipos incorrectos, espacios sueltos, filas duplicadas y valores que faltan. Fredit Flow ayuda escribiendo y ejecutando ese script contigo. Tú apruebas cada regla.
¿Es freditcode.com el sitio web oficial de Fredit Flow?
Sí, freditcode.com es el sitio web oficial de Fredit Flow. El instalador no está firmado. Compara la suma de comprobación SHA-256 de tu descarga con el manifiesto publicado antes de ejecutarlo, y envía cualquier duda con el botón Send feedback dentro de la app.
¿Cuándo vale la pena limpiar datos históricos?
Vale la pena cuando los registros antiguos todavía alimentan un informe, una decisión o un modelo, y sus errores siguen reglas que un script puede expresar. Si no, archívalos sin tocar. Guarda siempre la copia original, porque solo puedes rehacer una regla mientras exista el original.
¿Con qué buenas prácticas de limpieza de datos empiezo?
Cinco hábitos van primero. Mira los datos sin procesar antes de escribir una regla, anota cada regla y guarda el resultado en un archivo nuevo en vez de sobrescribir el original. Después compara el número de filas antes y después, y revisa a mano la salida.
¿El agente sobrescribe mi archivo original?
No, siempre que pidas un archivo de salida nuevo, y todos los ejemplos de aquí lo hacen. En modo Ask first el agente se detiene antes de cambiar nada, así que puedes leer el diff y rechazar una escritura que apunte al original. Haz también una copia de seguridad.
¿Mis archivos salen de mi PC?
Depende de lo que elijas. Con un modelo en la nube, el texto del prompt, incluido el texto de archivo que lea el agente, va a ese proveedor, mientras que un modelo que corre en local en tu PC no envía nada fuera. Por eso, los datos personales piden un modelo local.
¿Los resultados son siempre correctos?
No. El agente aplica las reglas que apruebas y no puede saber si un valor es cierto, y ninguna limpieza automática es completa. Lee el diff, prueba el script en una copia y revisa a mano el archivo limpio antes de fiarte de él.
Pruébalo con una copia de tus propios datos
Descarga Fredit Flow 2.9.26 para Windows 10 u 11, conecta un modelo y apúntalo a una copia de un archivo tuyo. No hace falta cuenta. Lee cada diff.
Descargar Fredit Flow para Windows ↗Más sobre Fredit Flow
Todas las páginas están disponibles en 20 idiomas.
Qué puede hacer el agente con tus archivos ↗ Modelos en la nube, locales e integrado ↗ Flujos de limpieza paso a paso ↗ Descarga y verifica el instalador ↗ Preguntas y respuestas ↗ Privacidad y tratamiento de datos ↗
