• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Identificando celdas con espacios en blanco en Excel

Excel

noviembre 5, 2018 Por Daniel Rodríguez 3 comentarios
Tiempo de lectura: 3 minutos

Una de las mayores fuentes de error al trabajar con texto en Excel son los espacios en blanco. Al añadir un espacio en blanco al texto de una celda no se puede observar ninguna diferencia, pero las celdas pasan a ser diferentes. Esto se vuelve un problema al utilizar funciones de búsqueda, ya que podría no obtenerse un resultado. En esta entrada se va a ver como identificar las celdas con espacios en blanco en Excel y solucionar el problema.

Planteamiento del problema

En la captura de pantalla se muestra una aplicación que permite realizar un cambio de divisas a euros.

Aplicación cambio de divisa con errores
Aplicación cambio de divisa con errores

Para ello se ha de introducir en la celda B1 la cantidad y en la celda B2 el código de la divisa. En la celda B3 se ofrece el cambio utilizando la fórmula:

=B1/BUSCARV(B2;D1:E8;2;FALSO)

Esta aplicación deja de funcionar cuando el usuario introduce un espacio en blanco en la celda B2. En tal caso la función BUSCARV no devolverá ningún valor como se muestra en la captura de pantalla. Siendo este un problema difícil de identificar. En caso de no utilizar la opción de coincidencia exacta en BUSCARV o utilizar la función BUSCAR el problema sería más difícil de identificar. Ya que se obtendría un valor como resultado que es incorrecto en lugar de un error.

Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
En Analytics Lane
Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT

Solución del problema con la función ESPACIOS

Una solución a este problema se puede conseguir con la función ESPACIOS, esta elimina todos los espacios de una cadena de textos permitiendo así obtener una coincidencia.

=B1/BUSCARV(ESPACIOS(B2);D1:E8;2;FALSO)

Publicidad


Identificación mediante formatos condicionales

La solución anterior es válida para los casos en los que el error se encuentre en la cadena de entrada. Pero el mismo problema se puede encontrar en la lista de monedas. En tal caso se puede utilizar los formatos condicionales para identificar las celdas en las que se encuentran los errores.

Para aplicar el formato condicional se ha de seleccionar el conjunto de celdas a las que se desea aplicar este. En la barra “Inicio” se ha de acceder al menú “Formato condicional” y en este al submenú “Nueva regla”. En la nueva ventana se ha de seleccionar el estilo clásico y la opción “Utilice una fórmula que determine las celdas para aplicar formato.”

Formato condicional
Formato condicional

En este caso, para la celda D1 la regla a aplicar sería la siguiente

=D1<>ESPACIOS(D1)

Así es posible localizar los conjuntos de datos con espacios en blanco.

Formato condicional para identificar los errores
Formato condicional para identificar los errores

Conclusiones

Uno de los grandes problemas al trabajar con texto son los espacios en blanco. En Excel no son fáciles de ver y puede provocar errores a la hora de comparar cadenas de texto. Para mitigar este problema se ha presentado dos soluciones que permiten identificar y solucionar el problema.

Imágenes: Pixabay (Pexels)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 3.8 / 5. Votos emitidos: 4

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
  • El bestiario de los indicadores económicos absurdos: El zoo patrio
  • Las fórmulas con DNI, o cómo dividir cualquier cosa entre cualquier otra cosa puede acabar publicado en un titular serio – El bestiario de los indicadores económicos absurdos (parte 5)
  • Data Leakage en Credit Scoring: El Error que Invalida tu Modelo
  • La liga internacional, o cuando Harvard y Johns Hopkins suman peras con manzanas – El bestiario de los indicadores económicos absurdos (parte 6)
  • Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)
  • Customer Lifetime Value: la fórmula clásica que todo analista debería dominar
  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado
  • DBSCAN y la selección de ε: teoría, intuición y aplicación práctica

Publicado en: Herramientas Etiquetado como: Excel

Interacciones con los lectores

Comentarios

  1. Mercedes Zambrano dice

    junio 8, 2020 a las 8:03 pm

    me sale como resultado verdadero, porque?

    Responder
    • Daniel Rodríguez dice

      junio 9, 2020 a las 9:10 am

      Entiendo que es la última fórmula, es una comparación lógica y debería devolver verdadero o falso dependiendo de si hay o no espacios en blanco en la celda.

      Responder
  2. Pedro Pedrito dice

    mayo 20, 2021 a las 1:23 am

    cheverazo, muchas gracias, mi dirección es

    Responder

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado

julio 21, 2026 Por Daniel Rodríguez

Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)

julio 16, 2026 Por Daniel Rodríguez

Customer Lifetime Value: la fórmula clásica que todo analista debería dominar

julio 14, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado publicado el julio 21, 2026 | en Ciencia de datos
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • ¿Por qué recibo ‘NameError: name X is not defined’ en Python? Aprende cómo solucionarlo publicado el marzo 17, 2025 | en Python
  • Nuevo simulador del problema de Monty Hall en el laboratorio de aplicaciones de Analytics Lane publicado el abril 8, 2026 | en Noticias
  • WOE e IV: La Base Matemática del Credit Scoring publicado el mayo 5, 2026 | en Ciencia de datos

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto