¿Por qué tu CSV se ve raro?
Contesta cuatro situaciones de oficina con archivos CSV y descubre de dónde partes.
Curso gratis. Tu Maestro, una IA, .
Trabajas en la administración de Distribuidora El Nopal, una distribuidora de papelería y abarrotes en Guadalajara que surte a tiendas de todo el país. Cada semana te llegan archivos CSV: los pedidos que exporta el sistema de las sucursales, la lista de precios de un proveedor de Valencia, el reporte que te reenvía contabilidad. Y cada semana alguno se ve raro: acentos convertidos en garabatos, todo metido en una sola columna, códigos que perdieron sus ceros, fechas que cambiaron de mes.
Antes de cualquier explicación, cuatro situaciones de esas semanas. Contesta lo que crees, sin buscar nada. Tu respuesta se marca en cuanto la mandas y tu Maestro te explica el porqué. Equivocarte aquí es útil: estas preguntas sirven para ver de dónde partes, y al final del curso regresan con otras palabras para que veas cuánto cambió tu forma de leer un archivo.
Distribuidora El Nopal, sus clientes y todos los archivos del curso son inventados: datos sintéticos, CC0.
Comprueba lo que sabes: Abres clientes.csv con doble clic. Donde debería decir Mérida, Excel muestra Mérida, y donde decía Peña, Peña. ¿Qué pasó?
Comprueba lo que sabes: En el sistema de pedidos, un cliente tiene el código postal 06700. Exportas los pedidos a CSV, abres el archivo en Excel y la celda dice 6700. ¿Dónde quedó el cero?
Las dos primeras tienen la misma raíz, y es la idea que sostiene todo el curso: un CSV es texto y nada más. No guarda que una columna sea de números o de fechas, ni el formato de una celda. Guarda letras, comas y saltos de línea, convertidas en bytes con una regla que se llama codificación. Lo que ves en Excel es lo que Excel decidió que significaban esos bytes al abrirlos.
Por eso casi nada de lo que se ve raro está roto de verdad. "Mérida" es "Mérida" leída con la regla equivocada; "6700" es "06700" que Excel convirtió en número al abrirlo. El archivo, casi siempre, sigue bien; lo que falló fue la lectura. Lo que sí rompe un archivo es lo que pasa después: guardar encima lo que Excel interpretó, y mandarlo así.
¿Te ha llegado un archivo así en tu trabajo? Cuéntale a tu Maestro qué viste. Con eso te puede decir en qué página del curso está tu caso.
Dos situaciones más.
Comprueba lo que sabes: Tu proveedor de Valencia te manda lista_precios.csv. Lo abres como texto y ves líneas como esta: 00731;Cuaderno profesional;23,50. ¿Qué tienes enfrente?
Comprueba lo que sabes: ¿Cómo sabe un programa en qué codificación (UTF-8, Windows-1252…) está escrito un CSV?
Con tus cuatro respuestas ya tienes el mapa del curso:
- En el módulo 1 abres un CSV como lo que es, texto, y ves los bytes detrás de una "é": por qué UTF-8 y Windows-1252 la guardan distinto y cómo nace "Mérida".
- En el módulo 2 lees la lista de precios de Valencia, con punto y coma y comas decimales, y conoces el BOM, tres bytes invisibles al inicio de algunos archivos.
- En el módulo 3 cuidas lo que Excel y pandas cambian sin avisar: los ceros a la izquierda, los números largos y las fechas.
- En el módulo 4 abres y exportas desde Excel sin perder nada, y arreglas un archivo que trae todos los problemas juntos.
Los ejercicios corren en la misma página del curso, con Python, pandas y DuckDB ya instalados: no necesitas instalar nada en tu computadora. No hace falta saber programar para empezar; cuando toque escribir código, cambias una o dos líneas y ves qué pasa. Si una respuesta te sorprendió, pregúntale a tu Maestro antes de seguir. Si no, vamos a abrir un CSV por dentro.