• 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
      • Descenso de gradiente
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Matriz de confusión e informe de clasificación
      • Visualizador de fronteras de decisión
      • Simulador de K-Means
      • Número Óptimo de Clusters
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Problema del cumpleaños
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • La aguja de Buffon
      • Simulador de la Estrategia Martingala
      • Simulador de Cadenas de Markov
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Comparador de tarifas de luz 2.0TD
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
      • Frontera Eficiente
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Consultar CSV con SQL en el navegador
      • Extractor de tickets (OCR)
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Calculadora HMAC
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
      • Editor de expresiones cron
      • Conversor de unidades
    • 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

Crear una copia profunda en JavaScript

noviembre 22, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Cuando se necesita hacer una copia de un objeto o array en JavaScript se puede recurrir a los métodos assign() o slice(). El problema de estos métodos es que solamente realizar copias superficiales. Así cuando el objeto que se está copiando contiene objetos realzan una asignación de estos objetos a los nuevos, por lo que se obtiene una copia, sino que una referencia. En esta entrada vamos a ver métodos para una copia profunda en JavaScript, copiando también los objetos dentro de otros objetos.

Copiar un vector con slice()

Al utilizar el operador asignación en JavaScript para copiar un objeto lo que realmente se hace es asignar el objeto a la nueva variable. Nunca se hace una copia. Es decir, se para a tener dos referencias de un mismo objeto en memoria. De este modo, si se modifica el contenido del objeto en una de las variables el mismo cambio también se va a observar en la copia.

En el caso de los vectores posiblemente uno de los métodos más utilizados para realizar una copia del contenido es slice(). Con lo que se obtiene dos objetos diferentes en memoria. En el siguiente ejemplo se muestra como funciona la copia de un vector mediante el operador asignación y el método slice().

Shallow copy vs Deep copy en Python: la mutación inesperada
En Analytics Lane
Shallow copy vs Deep copy en Python: la mutación inesperada

const vector = [1, 2, 3];

const vectorAssignment = vector;
const vectorSlice = vector.slice();

vector[0] = 0;

console.log(vector)
console.log(vectorAssignment)
console.log(vectorSlice)
[ 0, 2, 3 ]
[ 0, 2, 3 ]
[ 1, 2, 3 ]

Aquí se puede ver cómo al utilizar el operador asignación no se obtiene una copia, sino que un acceso al mismo objeto. Por otro lado el método slice() sí que devuelve un nuevo objeto.

Copiar un vector con assing()

Otra alternativa para obtener una copia de un vector es utilizar el método assing(). Este requiere crear primero un objeto para asignar posteriormente el contenido del objeto original. Al igual que slice() este método crear un objeto nuevo, lo que se puede ver en el siguiente ejemplo.

const vector = [1, 2, 3];

const vectorAssignment = vector;
const vectorAssign = [];
Object.assign(vectorAssign, vector);

vector[0] = 0;

console.log(vector)
console.log(vectorAssignment)
console.log(vectorAssign)
[ 0, 2, 3 ]
[ 0, 2, 3 ]
[ 1, 2, 3 ]

Obteniéndose el mismo resultado que se ha visto con el método slice().

Copia de vectores con objetos en su interior

Los vectores de JavaScript pueden contener no solamente tipos de datos primitivos, sino que otro tipo de objetos. Por ejemplo, se pueden contener vectores para cuando lo que se desea es representar una matriz. En este caso los métodos assign() o slice() solamente realizan una copia superficial de los datos, como se puede ver en el siguiente ejemplo.

const nestedVectors = [[1], [2], [3]];

const nestedVectorsAssignment = nestedVectors;
const nestedVectorsSlice = nestedVectors.slice();
const nestedVectorsAssign = [];
Object.assign(nestedVectorsAssign, nestedVectors);

nestedVectors[0][0] = 0;
nestedVectors[1] = [-1];

console.log(nestedVectors)
console.log(nestedVectorsAssignment)
console.log(nestedVectorsSlice)
console.log(nestedVectorsAssign)
[ [ 0 ], [ -1 ], [ 3 ] ]
[ [ 0 ], [ -1 ], [ 3 ] ]
[ [ 0 ], [ 2 ], [ 3 ] ]
[ [ 0 ], [ 2 ], [ 3 ] ]

Un ejemplo en el que se puede observar que los objetos dentro del vector no son copiados, sino que asignados al nuevo objeto. Para modificar el contenido de un objeto interno sin modificar las copias es necesario modificar estos. Algo que no se desea realizar en la mayoría de las situaciones.

Copia profunda en JavaScript de vectores

En JavaScript un método para realizar una copia profunda de los vectores, es decir, hacer una copia exacta del vector y su contenido, es convirtiendo el vector en una cadena de texto y volviéndola a transformar en objeto. Algo que se muestra en el siguiente ejemplo.

const nestedVectors = [[1], [2], [3]];

const nestedVectorsAssignment = nestedVectors;
const nestedVectorsDeep= JSON.parse(JSON.stringify(nestedVectors));

nestedVectors[0][0] = 0;
nestedVectors[1] = [-1];

console.log(nestedVectors)
console.log(nestedVectorsAssignment)
console.log(nestedVectorsDeep)
[ [ 0 ], [ -1 ], [ 3 ] ]
[ [ 0 ], [ -1 ], [ 3 ] ]
[ [ 1 ], [ 2 ], [ 3 ] ]

En este caso se puede ver cómo al modificar el contenido del vector original no se ve afectado el contenido de la copia. Lo que se busca al hacer una profunda en JavaScript de los objetos.

Copia profunda en JavaScript de diccionarios

A la hora de trabajar con diccionarios las copias que se realizan utilizando el método assign() (en los diccionarios no existe el método slice()) tienen el mismo problema. La copia que se obtiene es superficial y no profunda. Para obtener una copia profunda del diccionario se puede utilizar el mismo truco que con los vectores.

const dict = {a:[1], b:[2], c:[3]};

const dictAssignment = dict;
const dictAssign = {};
Object.assign(dictAssign, dict);
const dictDeep = JSON.parse(JSON.stringify(dict));

dict.a[0] = 0;
dict.b = [-1];

console.log(dict)
console.log(dictAssignment)
console.log(dictAssign)
console.log(dictDeep)
{ a: [ 0 ], b: [ -1 ], c: [ 3 ] }
{ a: [ 0 ], b: [ -1 ], c: [ 3 ] }
{ a: [ 0 ], b: [ 2 ], c: [ 3 ] }
{ a: [ 1 ], b: [ 2 ], c: [ 3 ] }

Conclusiones

En esta entrada se ha visto que los métodos assign() o slice() realiza copias superficiales de los objetos. Si estos contienen solamente datos primitivos no es un problema, pero si cuando estos contienen a su vez otros objetos. Lo que es un problema cuando se desea obtener una autentica copia de los objetos. Para solucionar este problema se ha visto cómo realizar copias profundas en JavaScript.

Imágenes: Pixabay (Martin Pyško)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 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

  • Shallow copy vs Deep copy en Python: la mutación inesperada
  • Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
  • Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador
  • Cómo Saber si una Diferencia Significativa es Importante
  • Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”
  • Cómo Explorar un Dataset antes de Modelar
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Tuplas vs Listas en Python: parecen lo mismo, pero no
  • == vs is en Python: la diferencia que causa bugs misteriosos

Publicidad

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

Noticias

Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador

noviembre 18, 2026 Por Daniel Rodríguez

Cómo Explorar un Dataset antes de Modelar

noviembre 17, 2026 Por Daniel Rodríguez

Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”

noviembre 12, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Cómo Explorar un Dataset antes de Modelar publicado el noviembre 17, 2026 | en Ciencia de datos
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas publicado el mayo 10, 2019 | en Python
  • Hoja de cálculo para repartir los escaños en base al método D’Hont Aplicar el método D’Hondt en Excel publicado el abril 14, 2021 | en Herramientas
  • La tabla de la web finalmente importada en Excel Importar tablas desde la web en Excel publicado el octubre 21, 2020 | en Herramientas

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

  • Daniel Rodríguez en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Hatepi en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no

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