• 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

Reducir el número de dígitos en JSON.stringify()

febrero 23, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Posiblemente uno de los métodos más sencillos y eficaces para el intercambio de información compleja entre diferentes sistemas sean las cadenas de texto JSON. Siendo uno de los motivos por el que son tan populares en la actualidad. Existiendo herramientas para trabajar con ellas en Python, Julia y Matlab. Tanto en JavaScript como en TypeScript la función para la creación de cadenas de texto JSON a partir de cualquier objeto es JSON.stringify(). Una función que escribe en la cadena de texto todos los dígitos de los valores numéricos. Algo que es positivo en la mayoría de los casos, ya que conserva íntegramente la precisión original. Aunque, cuando el objeto contiene miles o decenas de miles de valores, el tamaño de la cadena de texto puede crecer considerablemente y crear un problema. Si no es necesario mantener la presión, puede ser interesante reducir el número de dígitos en JSON.stringify(), para reducir así el tamaño de las cadenas de texto generarlas.

La función JSON.stringify()

Aunque en la mayoría de los casos únicamente se usa la primera entrada de la función JSON.stringify(), la del objeto que se desea transformar, esta cuenta con dos más opcionales que pueden ser de utilidad en casos como el que se plantea. Siendo el segundo una función que se puede indicar para reemplazar el contenido de los diferentes valores. Función que debe tener dos parámetros, el primero la clave del valor y el segundo el valor.

Por qué migrar tus proyectos TypeScript a ES Modules en 2026
En Analytics Lane
Por qué migrar tus proyectos TypeScript a ES Modules en 2026

Función de reemplazo para JSON.stringify()

Sabiendo que la función JSON.stringify() admite una función de reemplazo como segundo parámetro se puede crear una que reduzca la precisión de los valores numéricos. Para lo que se puede usar el método toFixed(), método que además solo existe en los valores numéricos. Así se puede escribir la siguiente función de reemplazo.

(_, val) => val.toFixed ? Number(val.toFixed(2)) : val;

Una función que solamente necesita el segundo parámetro, el valor. En esta función, en el caso de que el valor contenga el método toFixed(), esto es, es un valor numérico, se transforma el valor en uno con solamente dos decimales, en el caso contrario se mantiene el valor original. Es importante usar convertir el resultado de toFixed() otra vez en número mediante Number(), ya que devuelve una cadena de texto.

Ejemplo de uso

Ahora se puede comprobar los resultados al usar esta función en valores numéricos, vectores y objetos. Por ejemplo, si convertimos los siguientes objetos sin la función de reemplazo se obtienen una cadena de texto donde los valores numéricos tienen 16 decimales.

const data = Math.PI;
const array = [Math.PI, Math.E];
const obj = {
  pi: Math.PI,
  e: Math.E
};

console.log(JSON.stringify(data));
console.log(JSON.stringify(array));
console.log(JSON.stringify(obj));
3.141592653589793
[3.141592653589793,2.718281828459045,"11"]
{"pi":3.141592653589793,"e":2.718281828459045}

Ahora, si se aplica la función descrita anteriormente se puede observar que solamente tendremos 2 dígitos. Lo que supone una considerable reducción de la longitud de las cadenas de texto.

const data = Math.PI;
const array = [Math.PI, Math.E];
const obj = {
  pi: Math.PI,
  e: Math.E
};

const precisionReplacer = (_, val) => val.toFixed ? Number(val.toFixed(2)) : val;

console.log(JSON.stringify(data, precisionReplacer));
console.log(JSON.stringify(array, precisionReplacer));
console.log(JSON.stringify(obj, precisionReplacer));
3.14
[3.14,2.72,"11"]
{"pi":3.14,"e":2.72}

Conclusiones

En esta ocasión se ha visto cómo se puede reducir el número de dígitos en JSON.stringify() mediante el uso de una función de reemplazo. Siendo un método que se puede usar en otras ocasiones para transformar las cadenas de texto JSON generadas con JavaScript.

Imagen de Bruno /Germany en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

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

  • Por qué migrar tus proyectos TypeScript a ES Modules en 2026
  • Actualizar expresslanets a ES Modules con tsx y Vitest
  • Migrar tslane a un paquete dual CommonJS y ESM con tsup y Vitest
  • Método del codo: interpretación correcta y limitaciones
  • Pareto/NBD: cuando el abandono silencioso cambia el CLV
  • Cómo construir tu primer scorecard paso a paso
  • Docker Compose: el día a día. Cómo ver qué funciona y qué no
  • Cómo Verificar la Normalidad de tus Datos antes de un Test Estadístico
  • Cómo Detectar Pseudo-IDs y Data Leakage en el Constructor de Scorecards

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

Cómo Detectar Pseudo-IDs y Data Leakage en el Constructor de Scorecards

octubre 13, 2026 Por Daniel Rodríguez

Cómo Verificar la Normalidad de tus Datos antes de un Test Estadístico

octubre 8, 2026 Por Daniel Rodríguez

Docker Compose: el día a día. Cómo ver qué funciona y qué no

octubre 6, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • 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
  • Eliminar la protección en archivos Excel publicado el mayo 30, 2018 | en Herramientas
  • La distancia de Mahalanobis publicado el abril 19, 2024 | en Ciencia de datos
  • Cómo Detectar Pseudo-IDs y Data Leakage en el Constructor de Scorecards publicado el octubre 13, 2026 | en Ciencia de datos
  • DataFrame con estilos personalizados Formatos condicionales en Pandas publicado el abril 17, 2020 | 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

4.1 (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