CSV

CSV es uno de los formatos de datos más antiguos y ubicuos. Apareció en los 70 para intercambio de datos entre mainframes. Su popularidad se debe a su simplicidad extrema: texto plano, sin metadatos, sin compresión.

Estructura básica:

nombre,edad,ciudad\nJuan,30,Buenos Aires\nMaría,25,Montevideo

Primera fila típicamente contiene headers (nombres de columnas). Cada fila subsecuente es un registro. Los valores se separan por comas, aunque el separador puede ser punto y coma (;), tab (\t) o pipe (|) según configuración regional.

CSV es el formato de exportación por defecto en Excel, Google Sheets, bases de datos SQL y herramientas analíticas. Todo lenguaje de programación tiene bibliotecas nativas para leer/escribir CSV: csv en Python, csv-parse en Node, encoding/csv en Go.

Ventaja clave: universalidad. Un CSV de 1980 se abre hoy en cualquier editor de texto. No hay lock-in de vendor ni versiones incompatibles.

Aunque CSV parece trivial, tiene sutilezas que rompen parsers ingenuos:

• Valores con comas: si un campo contiene el separador, debe ir entre comillas: "Pérez, Juan",30,CABA.
• Comillas dentro de valores: se escapan duplicándolas: "Dijo ""hola"" y se fue" representa Dijo "hola" y se fue.
• Saltos de línea en campos: valores multilínea van entre comillas: "Primera línea\nSegunda línea",otro,valor.
• Separador regional: Europa usa ; porque usan coma como separador decimal (3,14 en lugar de 3.14). Excel exporta según configuración del sistema.
• Encoding: el estándar no especifica charset. UTF-8 es recomendado, pero muchos sistemas viejos usan Latin-1 o Windows-1252, causando problemas con acentos.

RFC 4180 (2005) intentó estandarizar CSV, pero la adopción es parcial. Muchos exportadores generan "CSV compatible con Excel" que rompe otros parsers.

BOM (Byte Order Mark): Excel requiere \uFEFF al inicio del archivo UTF-8 para detectar encoding correctamente. Otros parsers lo ignoran o rechazan.

Exportar datos de bases de datos: PostgreSQL (COPY TO), MySQL (SELECT INTO OUTFILE), SQLite (.mode csv) exportan a CSV nativamente. Ideal para backups livianos o migrar datos entre sistemas.

Análisis con Excel/Google Sheets: stakeholders no-técnicos pueden abrir CSV directamente. Para dashboards simples o reportes ad-hoc, CSV + Sheets es más rápido que armar un BI.

ETL y data pipelines: herramientas como Apache Spark, Pandas, dbt ingieren CSV sin configuración. S3 + CSV es arquitectura común para data lakes.

Datasets públicos: gobierno, universidades, Kaggle publican datos en CSV porque es el formato más portable. No requiere software especial para consumir.

No usar para:

• Datos jerárquicos/nested: CSV es estrictamente tabular. Para relaciones anidadas (ej: usuario → órdenes → items) necesitás JSON o Parquet.
• Archivos grandes (>1GB): CSV sin compresión ocupa mucho espacio y es lento de parsear. Preferí Parquet (columnar + compresión) o CSV.gz.
• Tipos de datos complejos: CSV no tiene tipos nativos. Todo es string hasta que el parser infiere. Fechas, booleans y nulls son ambiguos.
• Seguridad: CSV injection existe. Campos que empiezan con =, +, -, @ pueden ejecutar fórmulas en Excel. Sanitizá inputs.

CSV vs JSON:

• CSV gana en simplicidad, peso y compatibilidad con herramientas analíticas.
• JSON gana en expresividad (anidamiento, tipos nativos) y es estándar para APIs.
• Regla práctica: si los datos son tabulares y van a Sheets/SQL, usá CSV. Si van a una app web o tienen jerarquía, usá JSON.

CSV vs Parquet:

• Parquet es formato columnar binario, optimizado para BigData (Spark, Hive, Redshift).
• 10-100x más eficiente en storage y queries analíticos (lee solo columnas necesarias).
• CSV gana si necesitás inspeccionar datos con cat o editarlos manualmente.

CSV vs Excel (.xlsx):

• Excel soporta múltiples sheets, fórmulas, formato y validación. CSV es single-sheet, solo datos.
• Excel es binario (zip + XML), más pesado. CSV es texto plano.
• CSV gana en automatización: es más fácil generar/parsear programáticamente.

Mejores prácticas:

• Siempre incluí header row con nombres descriptivos.
• Usá UTF-8 + BOM si el target es Excel.
• Escapá comillas y saltos de línea según RFC 4180.
• Comprimí CSVs grandes con gzip (CSV.gz reduce 80-90%).
• Versioná con Git (texto plano = diffs legibles).

Ejemplos

• nombre,edad,ciudad\nCarlos,28,Rosario\nLaura,32,Córdoba
• producto,precio,stock\n"Laptop, 15\"",1200.50,15\nMouse,25.00,200
• fecha,temperatura,humedad\n2024-01-15,22.5,65\n2024-01-16,24.0,60
• id;descripción;activo\n1;"Item con; separador";true\n2;Normal;false
• usuario,rol,"permisos"\nadmin,superuser,"leer,escribir,borrar"\nguest,readonly,leer

Preguntas frecuentes