DataTableCreator¶

Fachada publica para construir un DataTable desde archivo o desde registros en memoria.

Operaciones disponibles¶

Metodo	Entrada	Uso recomendado
`from_file(path, **kwargs)`	archivo `CSV`, `JSON` o `XLSX`	ingestar datos ya persistidos
`from_records(records)`	lista de diccionarios	construir datos tabulares en memoria

Referencia rapida

Si ya instalaste la libreria, esta es la entrada correcta para crear tablas en escenarios reales. No necesitas pasar por infraestructura interna.

`from_file(path, **kwargs)`¶

JSONCSVXLSX

Cargar JSON

from pytabify import DataTableCreator

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

Cargar CSV

from pytabify import DataTableCreator

datatable = DataTableCreator.from_file("people.csv", encoding="utf-8")

Cargar XLSX

from pytabify import DataTableCreator

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

Parametros practicos¶

Parametro	Requerido	Aplica a	Nota
`path`	Si	todos	determina el reader por extension
`sheet_name`	Si para lectura `XLSX`	`XLSX`	sin este valor la lectura falla
`encoding`	No	`CSV`, `JSON`	por defecto usa `utf-8`

Explicacion breve de cada argumento¶

path: ruta del archivo de entrada.
sheet_name: nombre exacto de la hoja cuando el archivo es xlsx.
encoding: codificacion para lectura de csv o json.

Combinaciones validas¶

ValidoInvalido

Lecturas correctas

DataTableCreator.from_file("people.json")
DataTableCreator.from_file("people.csv", encoding="utf-8")
DataTableCreator.from_file("people.xlsx", sheet_name="People")

Combinaciones que fallan

DataTableCreator.from_file("people.xlsx")
DataTableCreator.from_file("people.txt")

Lectura de XLSX

Cargar una hoja especifica

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

Extension no soportada

Si la extension no es csv, json o xlsx, el flujo termina con una excepcion de infraestructura.

Errores comunes de sintaxis o combinacion

Olvidar sheet_name al leer XLSX.
Pasar una extension no soportada en path.
Suponer que encoding aplica a XLSX.
Esperar tipos nativos al leer CSV.

`from_records(records)`¶

Crear una tabla desde memoria

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

Contrato esperado¶

Entrada valida

Una lista de diccionarios con el mismo esquema tabular.
Orden estable

El orden de columnas queda anclado al primer registro valido.
Normalizacion

Los nombres de columnas se normalizan a str.

ValidoInvalido

Esquema consistente

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

Esquema no rectangular

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

Ejemplos reales de uso¶

Preparar fixturesCargar un origen y seguir procesando

Tabla desde memoria para pruebas

datatable = DataTableCreator.from_records(
    [
        {"name": "Alice", "active": True},
        {"name": "Bob", "active": False},
    ]
)

Usar la tabla en memoria

datatable = DataTableCreator.from_file("people.json")
first_row = datatable[0].to_dict()
headers = datatable.column_names

Cuando elegir from_records

Es la mejor opcion cuando el origen real de datos ya esta en memoria o cuando quieres preparar fixtures para pruebas sin depender de archivos temporales.

Buenas practicas de uso¶

Usa from_records cuando el origen ya este en memoria.
Usa from_file cuando la fuente real sea un archivo del que quieres conservar estructura.
Mantén un esquema consistente en records y agrega columnas nuevas despues sobre la tabla, no antes con filas irregulares.
Para datos tipados, prefiere JSON, XLSX o from_records frente a CSV.

Guardar tablas Ver DataTable