• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

El tipo de datos numérico en JavaScript

noviembre 21, 2018 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

En los programas de cálculo numérico los tipos con los que suelen trabajar son los numéricos. Los más habituales son los enteros, reales y dobles, aunque también puede existir el tipo de dato complejo. En JavaScript, a diferencia de otros lenguajes de programación, solamente existe un tipo de dato numéricos que se corresponde con el formato de doble precisión de 64 bits definido en el estándar del IEEE. A continuación, se van a explicar los fundamentos para trabajar con el tipo de datos numérico en JavaScript.

El hecho de que en JavaScript solamente existe un tipo numérico se puede comprobar fácilmente. Al dividir dos números enteros, por ejemplo 1 entre 2, en JavaScript se obtiene como resultado el valor 0.5. En otros lenguajes donde existe el tipo de dato entero, como puede ser C, el valor obtenido es 0, ya que este último es el resultado de la división entera. Alternativamente este hecho también se puede comprobar observando que tanto typeof 1 como typeof 1.5 devuelven exactamente el mismo resultado number.

Tabla de contenidos

  • 1 Definición del tipo de datos numérico en JavaScript
  • 2 Comprobar si un número es NaN
  • 3 Comprobar si un número es finito
  • 4 Comprobar si un número es entero
  • 5 Comprobar si un número es “seguro”
  • 6 Cambiar la precisión de los valores
  • 7 Conclusiones

Definición del tipo de datos numérico en JavaScript

El tipo de dato numérico disponible en JavaScript contiene exactamente 18437736874454810627 valores, concretamente 264- 253+3. Entre estos números existen tres valores especiales no un número (“Not-a-Number”, representado como NaN), infinito positivo (Infinity) e infinito negativo (-Infinity). El resto de los valores disponibles son los que se denominan finitos. La mitad de los estos son positivos y la otra mitad son negativos. Entre los que se encuentra un valor de cero positivo y otro negativo.

Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
En Analytics Lane
Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT

Comprobar si un número es NaN

NaN es un valor complicado para trabajar. Cualquier número que toque un NaN se volverá un NaN. Además, es el único número que no es igual a sí mismo, es decir la comparación NaN ¡== NaN devuelve verdadero y NaN === NaN devuelve falso. La forma de comprobar si un número es NaN es utilizando la función isNaN().

Publicidad


Comprobar si un número es finito

Para comprobar si un número es o no finito existe el método Number.isFinite(). Este devuelve verdadero cuando el número es finito y falso en el resto de los casos. Es importante recordar que tanto NaN como los infinitos son los números no finitos.

Number.isFinite(Infinity) // true
Number.isFinite(NaN)      // false
Number.isFinite(5)        // false

Comprobar si un número es entero

Anteriormente se ha comentado que en JavaScript todos los valores numéricos son de tipo doble precisión. Esto es, cuando se asigna el valor 1 a una variable está almacenará 1.0. Así para determinar si un número es entero se debe comprobar si contiene o no valores decimales, no el tipo de dato.

Una forma de saber si un número es entero es comprobar si el resto de la división entera por uno tiene un valor de cero. Esto es, se puede emplear la expresión n % 1 === 0, donde n contiene el número a comprobar. Aunque es más elegante emplear la función que suministra el propio leguaje: Number.isInteger(n). Es importante recordar que esta función no evalúa el tipo de dato, sino la existencia de valores decimales. Esto es lo que se muestra en el siguiente ejemplo:

Number.isInteger(3);   // true
Number.isInteger(1/3); // false
Number.isInteger(3.0); // true

Comprobar si un número es “seguro”

Los valores que se pueden almacenar en una variable numérica de JavaScript está limitado por tamaño del tipo de dato. Al asignar valores por encima de un nivel de seguridad se pueden perder valores precisión. Por ejemplo, si se introduce el valor 9007199254740991123 este se guardará en memoria como 9007199254740991000, ya que se ha superado el máximo valor que se puede representar en una variable numérica. Al superar el límite los dígitos menos significativos se perderán al no poder ser almacenados. Así un número se considera “seguro” cuando el valor el valor que se almacena es el que se indica.

En Number se encuentra los límites superiores e inferiores de los números “seguros”, tanto entero como reales. Las constantes que definen estos valores son:

  • Number.MAX_SAFE_INTEGER: 9007199254740991
  • Number.MIN_SAFE_INTEGER: -9007199254740991
  • Number.MAX_VALUE: 1.7976931348623157e+308
  • Number.MIN_VALUE: 5e-324

Además se puede encontrar una función en la que se puede comprobar si el número es seguro o perderá precisión: Number.isSafeInteger().

Number.isSafeInteger(9007199254740991123); // false
Number.isSafeInteger(900719925474099);     // true

Publicidad


Cambiar la precisión de los valores

Al trabajar con números reales puede ser interesante limitar el número de decimales utilizados. Por ejemplo, a la hora de representar los valores por pantalla. Para esto en JavaScript se puede utilizar el método toFixed() de los valores numéricos. Este método acota el número decimales al indicado, si no se indica un número de decimales utilizara cero.

const pi = 3.141592653589793;

console.log(pi.toFixed());   // 3
console.log(pi.toFixed(2));  // 3.14
console.log(pi.toFixed(4));  // 3.1416
console.log(pi.toFixed(10)); // 3.1415926536

En el caso de que se desee limitar la precisión, no el número de decimales, se puede utilizar el método toFixed(). En este caso se limita el número de dígitos significativos, no de decimales:

const pi = 3.141592653589793;
const e = 0.577215664901532;
 
console.log(pi.toPrecision());  // 3.141592653589793
console.log(pi.toPrecision(2)); // 3.1
 
console.log(e.toPrecision());   // 0.577215664901532
console.log(e.toPrecision(2));  // 0.58

Finalmente, en otras ocasiones lo que se puede buscar simplemente convertir un número real en entero. Para ello la librería Mathde JavaScript dispone de tres funciones:

  • Math.round: redondear al entero más cercano
  • Math.floor: redondea al entero más bajo
  • Math.ceil: redondea al entero más alto.
const e = 0.577215664901532;
 
console.log(Math.round(e)) // 1
console.log(Math.floor(e)) // 0
console.log(Math.ceil(e)) // 1
 
console.log(Math.round(-e)) // -1
console.log(Math.floor(-e)) // -1
console.log(Math.ceil(-e)) // 0

Conclusiones

En esta entrada se ha visto cómo trabajar con el tipo de dato número en JavaScript. A diferencia de otros lenguajes JavaScript solamente cuenta con un tipo de dato numérico, el tipo doble. Este hecho se ha de tener en cuenta a la hora de trabajar con valores numéricos, ya que si se usa incorrectamente los resultados pueden ser diferentes a los esperados.

Imágenes: Pixabay (Gerd Altmann)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 1 / 5. Votos emitidos: 1

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
  • El bestiario de los indicadores económicos absurdos: El zoo patrio
  • Las fórmulas con DNI, o cómo dividir cualquier cosa entre cualquier otra cosa puede acabar publicado en un titular serio – El bestiario de los indicadores económicos absurdos (parte 5)
  • Data Leakage en Credit Scoring: El Error que Invalida tu Modelo
  • La liga internacional, o cuando Harvard y Johns Hopkins suman peras con manzanas – El bestiario de los indicadores económicos absurdos (parte 6)
  • Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)
  • Customer Lifetime Value: la fórmula clásica que todo analista debería dominar
  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado
  • DBSCAN y la selección de ε: teoría, intuición y aplicación práctica

Publicado en: JavaScript

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado

julio 21, 2026 Por Daniel Rodríguez

Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)

julio 16, 2026 Por Daniel Rodríguez

Customer Lifetime Value: la fórmula clásica que todo analista debería dominar

julio 14, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado publicado el julio 21, 2026 | en Ciencia de datos
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • ¿Por qué recibo ‘NameError: name X is not defined’ en Python? Aprende cómo solucionarlo publicado el marzo 17, 2025 | en Python
  • Nuevo simulador del problema de Monty Hall en el laboratorio de aplicaciones de Analytics Lane publicado el abril 8, 2026 | en Noticias
  • WOE e IV: La Base Matemática del Credit Scoring publicado el mayo 5, 2026 | en Ciencia de datos

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto