Inicio rapido¶

Este recorrido cubre el flujo minimo completo: cargar datos, inspeccionar filas, mutar el esquema y guardar en otro formato.

Flujo minimo de principio a fin¶

Este ejemplo toma un archivo JSON, lo carga en memoria, agrega una columna nueva y lo exporta a CSV. El mismo flujo aparece en Python y en Robot Framework.

Input¶

people.json

[
  {"name": "Alice", "age": 30},
  {"name": "Bob", "age": 25}
]

Comando¶

PythonRobot Framework

quickstart.py

from pytabify import DataTableCreator, DataTableSaver

datatable = DataTableCreator.from_file("people.json")

print(datatable.column_names)
print(datatable[0].to_dict())

datatable[0]["country"] = "MX"

DataTableSaver.into_csv(datatable, "people.csv")

Ejecucion

python quickstart.py

quickstart.robot

*** Settings ***
Library    pytabify.robot.PyTabifyLibrary    WITH NAME    PyTabify

*** Test Cases ***
Convertir json a csv
    ${table}=    PyTabify.Create Data Table From File    people.json
    ${headers}=    PyTabify.Get Data Table Headers    ${table}
    Log To Console    ${headers}
    ${row}=    PyTabify.Get Data Table Row    ${table}    0
    Log To Console    ${row.to_dict()}
    ${table}=    PyTabify.Set Data Table Value    ${table}    0    country    MX
    PyTabify.Save Data Table To Csv    ${table}    people.csv

Ejecucion

robot quickstart.robot

Output esperado¶

PythonRobot Framework

Salida en consolaArchivo generado

stdout

('name', 'age')
{'name': 'Alice', 'age': 30}

people.csv

name,age,country
Alice,30,MX
Bob,25,

Salida en consolaArchivo generado

stdout

['name', 'age']
{'name': 'Alice', 'age': 30}

people.csv

name,age,country
Alice,30,MX
Bob,25,

Que demuestra este flujo

El ejemplo muestra las tres operaciones centrales de pytabify: lectura, mutacion con esquema estable y persistencia en otro formato.

Variantes del mismo flujo

Desde archivoDesde registros

JSON -> DataTable -> CSV

from pytabify import DataTableCreator, DataTableSaver

datatable = DataTableCreator.from_file("people.json")

print(datatable.column_names)
print(datatable[0].to_dict())

datatable[0]["country"] = "MX"

DataTableSaver.into_csv(datatable, "people.csv")

Lista de diccionarios -> DataTable -> JSON

from pytabify import DataTableCreator, DataTableSaver

datatable = DataTableCreator.from_records(
    [
        {"name": "Alice", "age": 30},
        {"name": "Bob", "age": 25},
    ]
)

datatable[1].country = "US"

DataTableSaver.into_json(datatable, "people.json")

Que pasa en memoria¶

Acceso por indice, atributo y llave

row = datatable[0]

print(row.name.value)
print(row["age"].value)
print(row.to_dict())

Mutacion segura del esquema

Si agregas una columna nueva en una fila, pytabify extiende el esquema completo y rellena None en las demas filas.

Parametros importantes de uso basico¶

Parametro	Aplica a	Para que sirve
`path`	`from_file`, `into_csv`, `into_json`, `into_xlsx`	define archivo de entrada o salida
`sheet_name`	`from_file` con `XLSX`	indica la hoja especifica a leer
`encoding`	lectura y escritura de `CSV` o `JSON`	controla la codificacion del archivo
`records`	`from_records`	recibe la coleccion tabular inicial

Parametro pathParametro sheet_nameParametro encoding

Cargar desde archivo

datatable = DataTableCreator.from_file("people.json")

Leer una hoja concreta

datatable = DataTableCreator.from_file("people.xlsx", sheet_name="People")

Guardar JSON con codificacion explicita

DataTableSaver.into_json(datatable, "people.json", encoding="utf-8")

Resultado esperado¶

InputOutput

people.json

[
  {"name": "Alice", "age": 30},
  {"name": "Bob", "age": 25}
]

people-enriched.json

[
  {"name": "Alice", "age": 30, "country": "MX"},
  {"name": "Bob", "age": 25, "country": null}
]

Reglas practicas¶

CSV

Bueno para interoperabilidad rapida. Al leer, los valores llegan como texto.
JSON

Buena opcion cuando quieres conservar tipos nativos simples.
XLSX

Necesita sheet_name al leer desde archivo.

Lectura de XLSX

Lectura de una hoja especifica

datatable = DataTableCreator.from_file("people.xlsx", sheet_name="People")

Errores frecuentes en uso basico¶

Archivo inexistente

Si path no apunta a un archivo real, la carga falla aunque el formato sea correcto.

Esquema no rectangular en from_records

Todas las filas deben compartir el mismo conjunto de columnas. Si una fila cambia el esquema, la validacion falla.

Tipos distintos al leer CSV

Al leer CSV, los valores entran como texto. Si necesitas preservar tipos nativos, usa JSON, XLSX o from_records.

Cuando subir de nivel

Si el flujo basico ya te queda corto, el siguiente salto natural es revisar DataTableCreator y DataTableSaver para entender mejor cada variante.

Despues del quickstart¶

Ejemplos en Python Ejemplos en Robot Framework Referencia de DataTableCreator