• 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
  • Herramientas
    • Método D’Hondt – Atribución de escaños
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

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

Utilizar el portapapeles en Python con pandas

diciembre 12, 2018 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

El portapapeles es una forma rápida de mover datos entre las aplicaciones abiertas en una sesión. Por ejemplo, es posible copiar el código publicado e insertarlo en un editor de texto. Otra aplicación es copiar una parte de los datos de una hoja de cálculo e insertarlos en otra o en una sesión de Python. Para esto último se puede utilizar la función read_clipboard() disponible en la librería pandas. El proceso inverso se puede llevar a cabo con el método to_clipboard() de los objetos DataFrame. A continuación, se mostrará cómo intercambiar datos con el portapapeles en Python mediante los métodos disponibles en pandas.

Conjunto de datos de ejemplo

A modo de ejemplo, se puede generar un archivo CVS con un conjunto de datos simulados en Mockaroo. En nuestro caso, el archivo generado se muestra a continuación.

id,first_name,last_name,email,gender,ip_address
1,Troy,Ragborne,[email protected],Male,20.100.138.151
2,Tracie,Jobern,[email protected],Female,229.188.42.56
3,Zulema,Chafney,[email protected],Female,113.181.173.108
4,Rosana,Rubroe,[email protected],Female,47.70.253.44
5,Kelsy,Sizeland,[email protected],Female,210.145.189.98

Este archivo se puede importar en una hoja de cálculo Excel, como se muestra en la siguiente captura de pantalla. Pudiendo copiar ahora su contenido al portapapeles.

El conjunto de datos simulados en Excel
El conjunto de datos simulados en Excel

Publicidad


Importar datos con read_clipboard()

La forma más fácil de importar los datos desde el portapapeles es mediante la función read_clipboard() de pandas. Al ejecutarse devuelve un DataFrame con el contenido del portapapeles. En caso de haber copiado los datos desde el Excel anterior se obtendrá el siguiente resultado.

Consistencia en nombres y orden en TypeScript: la base de un código mantenible aplicado a tslane
En Analytics Lane
Consistencia en nombres y orden en TypeScript: la base de un código mantenible aplicado a tslane

pd.read_clipboard()
Resultado de la importación desde Excel
Resultado de la importación desde Excel

Los datos también se pueden importar directamente desde el archivo CSV, aunque en este caso se ha de indicar el separador. Por defecto el separador es uno o más espacios en blanco, en el caso del archivo CSV ha de ser una coma. Para ello es necesario utilizar el parámetro sep de la función. Ahora si se copia el contenido del archivo CSV y se ejecuta el código se volverá a obtener un dataframe con los datos.

pd.read_clipboard(sep=',')

En este caso, si no se indica el separador los datos se importarán en una única columna. Por lo que es necesario seleccionar el separador correcto en cada caso.

Exportación de los datos con el método to_clipboard()

Los objetos DataFrame de Python dispone de una propiedad para exportar al portapapeles, esta es to_clipboard(). Así solamente se ha de escribir para exportar los datos.

df.to_clipboard()

Por defecto los datos se exportarán de una forma que se puedan pegar fácilmente en Excel. Este comportamiento se puede cambiar con los parámetros excel y sep. El parámetro excel es True cuando se desea exportar a Excel y falso cuando se desea explotar a un archivo de texto. Por otro lado, mediante el parámetro sep se indica el separador que se utilizará para los campos.

Por ejemplo, para exportar los datos en un texto en formato CSV se ha de emplear la siguiente línea de código.

df.to_clipboard(sep=',')

Publicidad


Conclusiones

Conocer los métodos disponibles para importar y exportar datos al portapapeles puede facilitar el intercambio de datos en ciertas con hojas de cálculo o importar datos desde fuentes de texto. Por ejemplo, importar los datos desde una web. En Python esta tarea se puede realizar mediante los métodos disponibles en pandas que se han visto en esta entrada.

Imágenes: Pixabay (rawpixel)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 2

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

  • Consistencia en nombres y orden en TypeScript: la base de un código mantenible aplicado a tslane
  • Análisis de Redes con Python
  • Nuevo calendario de publicaciones: más calidad, mejor ritmo
  • Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Publicaciones de verano 2025: los trucos más populares, ahora en vídeo
  • Cómo enviar correos desde PowerShell utilizando Brevo: Guía paso a paso para automatizar tus notificaciones
  • Nueva herramienta disponible: Calculadora del Método D’Hondt para la atribución de escaños
  • Cómo enviar correos desde Python utilizando Brevo: Automatiza tus notificaciones con scripts eficientes

Publicado en: Python Etiquetado como: Pandas

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

¡Nuevo video! Gráficos de barras en Matplotlib sin complicarte

julio 17, 2025 Por Daniel Rodríguez

¡Nuevo video! Iterar filas en Pandas sin romperte la cabeza

julio 15, 2025 Por Daniel Rodríguez

¡Nuevo video! Encuentra la posición en listas como un PRO

julio 10, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Obtención de valores únicos de una columna con Pandas publicado el mayo 8, 2019 | en Python
  • Cómo encontrar la posición de elementos en una lista de Python publicado el abril 12, 2021 | en Python
  • Combinar varios archivos Jupyter Notebook en uno publicado el noviembre 21, 2022 | en Python
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • pandas Pandas: Cómo iterar sobre las filas de un DataFrame en Pandas publicado el septiembre 13, 2021 | en Python

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

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • Piera en Ecuaciones multilínea en Markdown
  • Daniel Rodríguez en Tutorial de Mypy para Principiantes
  • Javier en Tutorial de Mypy para Principiantes
  • javier en Problemas con listas mutables en Python: Cómo evitar efectos inesperados
  • soldado en Numpy básico: encontrar la posición de un elemento en un Array de Numpy

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 © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto