• 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
    • 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.

1200 publicaciones en Analytics Lane
En Analytics Lane
1200 publicaciones en Analytics Lane

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.

Publicidad


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

  • 1200 publicaciones en Analytics Lane
  • Analytics Lane lanza su Conversor TIN ↔ TAE: la herramienta definitiva para entender el coste real de depósitos, préstamos e hipotecas
  • Analytics Lane lanza su Conversor de Bases Numéricas: entiende cómo trabajan los ordenadores a nivel de bits
  • Analytics Lane lanza su Visualizador de Series Temporales: entiende tendencia, estacionalidad y ruido de forma visual e interactiva
  • Analytics Lane lanza un nuevo Formateador y Tester de Expresiones Regulares para desarrolladores
  • Analytics Lane lanza un Conversor CSV ↔ JSON para transformar datos en tiempo real
  • Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring
  • Analytics Lane lanza una Calculadora de Rentabilidad con Flujos Irregulares basada en TIR (XIRR)
  • ¡Analytics Lane cumple ocho años!

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

Ley de Benford: cómo detectar datos manipulados con ejemplos reales

mayo 28, 2026 Por Daniel Rodríguez

Subplots en Matplotlib: cómo organizar múltiples gráficos en una sola figura

mayo 26, 2026 Por Daniel Rodríguez

Síndrome del objeto brillante en ciencia de datos: el error simétrico a los costes hundidos

mayo 21, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • ¿Qué es la estadística y por qué todos deberíamos comprenderla? publicado el noviembre 22, 2024 | en Opinión
  • Cómo comparar datos con barras en Matplotlib: agrupadas, apiladas y porcentuales publicado el mayo 12, 2026 | en Python
  • Creación de documentos Word con Python publicado el septiembre 7, 2020 | en Python
  • pandas Pandas: Obtener el nombre de las columnas y filas en Pandas publicado el diciembre 7, 2020 | en Python
  • Evaluar similitudes entre señales: Cómo calcular la correlación cruzada con np.correlate() en NumPy publicado el enero 24, 2025 | en Ciencia de datos, 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

  • 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