Leer cualquier cosa: CSV, JSON, Excel, Parquet con Pandas

1import pandas as pd
2
3# Lectura básica — funciona si tienes suerte
4df = pd.read_csv('ventas.csv')
5
6# Lectura defensiva — para el mundo real
7df = pd.read_csv(
8    'ventas_europa.csv',
9    sep=';',                    # Separador europeo
10    encoding='latin-1',         # Encoding para acentos
11    parse_dates=['fecha'],      # Convierte strings a datetime
12    decimal=',',                # Decimal europeo (1.234,56)
13    na_values=['N/A', '-', ''], # Valores que significan "no hay dato"
14    dtype={'codigo_postal': str} # Forzar tipo (evita que 08001 sea 8001)
15)
16
17print(df.head())
18print(df.dtypes)

read_csv defensivo: los parámetros que necesitarás en el 80% de CSVs reales

1import pandas as pd
2
3# JSON plano (cada elemento = una fila) — fácil
4df = pd.read_json('usuarios.json')
5
6# JSON anidado — necesitas aplanarlo
7import json
8
9with open('pedidos_api.json') as f:
10    data = json.load(f)
11
12# Si la estructura es: [{"id": 1, "cliente": {"nombre": "Ana", "ciudad": "Madrid"}, "total": 150}]
13df = pd.json_normalize(
14    data,
15    sep='_'  # cliente.nombre → cliente_nombre
16)
17print(df.columns.tolist())
18# ['id', 'total', 'cliente_nombre', 'cliente_ciudad']

json_normalize aplana estructuras anidadas en columnas con prefijo

1# Instalar el motor para Excel
2pip install openpyxl==3.1.5

openpyxl es necesario para leer archivos .xlsx

1import pandas as pd
2
3# Leer la primera hoja
4df = pd.read_excel('informe_financiero.xlsx')
5
6# Leer una hoja específica
7df = pd.read_excel('informe_financiero.xlsx', sheet_name='Q4_2024')
8
9# Leer TODAS las hojas → devuelve un diccionario {nombre_hoja: DataFrame}
10todas = pd.read_excel('informe_financiero.xlsx', sheet_name=None)
11for nombre, datos in todas.items():
12    print(f"Hoja '{nombre}': {datos.shape}")
13
14# Saltar filas de cabecera decorativa
15df = pd.read_excel(
16    'informe_financiero.xlsx',
17    header=2,        # La fila 3 es la cabecera real (0-indexed)
18    usecols='B:F'    # Solo columnas B a F
19)

Lectura de Excel: hojas, cabeceras y selección de columnas

1# Instalar el motor para Parquet
2pip install pyarrow==16.1.0

PyArrow es el motor recomendado para Parquet en Pandas

1import pandas as pd
2
3# Leer Parquet — es así de simple
4df = pd.read_parquet('ventas_historico.parquet')
5
6# Leer SOLO las columnas que necesitas (predicate pushdown)
7df = pd.read_parquet(
8    'ventas_historico.parquet',
9    columns=['fecha', 'producto', 'importe']
10)
11
12# Guardar un DataFrame como Parquet
13df.to_parquet('resultado.parquet', index=False)
14
15# Comparación de tamaños (ejemplo real):
16# ventas.csv      → 450 MB
17# ventas.parquet  → 52 MB (¡88% más pequeño!)

Parquet: más rápido, más compacto, con tipos preservados

1import pandas as pd
2
3df = pd.DataFrame({
4    'cliente': ['Ana', 'Carlos', 'Lucía'],
5    'total_compras': [1500, 3200, 800],
6    'fecha_ultimo_pedido': pd.to_datetime(['2024-01-15', '2024-03-20', '2024-02-10'])
7})
8
9# Guardar como CSV (para enviar a alguien)
10df.to_csv('resumen_clientes.csv', index=False)
11
12# Guardar como JSON (para una API)
13df.to_json('resumen_clientes.json', orient='records', date_format='iso')
14
15# Guardar como Parquet (para tu pipeline)
16df.to_parquet('resumen_clientes.parquet', index=False)
17
18# Guardar como Excel (para el jefe)
19df.to_excel('resumen_clientes.xlsx', index=False, sheet_name='Resumen')

Guardar en distintos formatos: index=False evita la columna de índice innecesaria

1import pandas as pd
2
3# Solo las columnas que necesitas
4df = pd.read_csv('ventas_grande.csv', usecols=['fecha', 'producto', 'importe'])
5
6# Solo las primeras N filas (para explorar)
7df = pd.read_csv('ventas_grande.csv', nrows=1000)
8
9# Lectura por chunks (para archivos que no caben en RAM)
10for chunk in pd.read_csv('ventas_enorme.csv', chunksize=100_000):
11    # Procesar cada trozo de 100K filas
12    resultado = chunk.groupby('producto')['importe'].sum()
13    print(resultado.head())

Lectura parcial: usecols, nrows y chunksize para archivos grandes