• 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

Cómo convertir texto a fecha en Excel

enero 31, 2024 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

Cuando se trabaja con Excel es habitual importar datos desde diferentes fuentes tales como archivos de texto o el portapapeles. En estos casos puede que los datos contengan fechas. Excel cuenta con un sistema para reconocer cuando un valor es una fecha, pero en muchos casos puede no funcionar de forma correcta cuando los datos se importan datos. Por lo que, generalmente, los valores se mantienen como celdas de texto. En estos casos existen varias alternativas para convertir texto a fecha en Excel. A continuación, se mostrarán algunas de estas opciones.

Cómo convertir texto en fechas en Excel usando “Texto a columnas”

En el caso de haber cargado un conjunto de datos a partir de un archivo de texto que está separado por comas, puntos, punto y comas o cualquier otro símbolo se puede usar la herramienta “Texto a columnas”. Para ello, se puede usar el siguiente conjunto de datos.

Nombre|Edad|Ciudad|FechaNacimiento
Juan|25|Ciudad A|1990-05-15
María|30|Ciudad B|1988-08-22
Pedro|22|Ciudad C|1995-02-10
Ana|28|Ciudad A|1993-11-30
Luis|35|Ciudad B|1987-07-05

Una vez importado el archivo o copiado el texto se pueden seguir los siguientes pasos:

  1. Seleccionar las columnas con las cadenas de texto que se desean convertir.
  2. En la pestaña Datos seleccionar la función Texto a columnas.
  3. Cuando aparezca el asistente, es necesario seleccionar la opción delimitado e indicar símbolo usado en el conjunto de datos (en el ejemplo es |). Una vez que se muestran los valores separados correctamente es necesario hacer click sobre el botón Siguiente.
Seleccionar la opción delimitador en el asistente de Texto a columnas
Ventana para seleccionar el delimitador de los datos
  1. En la siguiente ventana del asistente es necesario seleccionar la columna con las fechas y seleccionar la opción de fecha. Junto a esta es necesario seleccionar en el combo el formato que mejor se adapte a los datos (en el ejemplo año, mes y día). Una vez hecho esto se puede hacer click sobre el botón Finalizar.
Seleccionar el formato de fecha en el asistente
Los datos se han importado correctamente

Uso de la función FECHA de Excel

Cuando la fecha se encuentra en una celda como una cadena de texto se puede usar la función FECHA. Esta función recibe como parámetros el año, el mes y el día, si los datos se encuentran en una única cadena de texto se puede combinar con las funciones IZQUIERDA, EXTRAE y DERECHA para preparar los valores de para la usar en la función anterior. Los pasos para realizar la conversión son:

La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)
En Analytics Lane
La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)

  1. Seleccionar una celda junto a la que se desea convertir para escribir la función.
  2. Identifique la posición en la cadena de texto en la que se encuentran el año, el mes y el día. En el ejemplo se usa el formato AAAA-MM-DD por lo que el año serán los cuatro primeros, el mes entre el sexto y el séptimo y el día los dos últimos. En este caso se puede usar una función como la siguiente =FECHA(IZQUIERDA(D4;4);MID(D4;6;2);DERECHA(D4;2)) con lo que se indica que seleccionen los primeros cuatro valores, IZQUIERDA(D4;4), dos a partir del sexto, MID(D4;6;2), y los dos últimos, DERECHA(D4;2), para usar en la función FECHA.
Uso de la función fecha para convertir las cadenas de texto en fechas

Publicidad


Conclusiones

En esta entrada se han visto dos métodos que se pueden usar para convertir texto a fecha en Excel. El primero se puede utilizar después de importar los datos, tanto desde un archivo como copiados del portapapeles, mientras que el segundo es más adecuado para cuando los datos ya están importados en la hoja de cálculo.

Imagen de tigerlily713 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

  • La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)
  • Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring
  • Subplots en Matplotlib: cómo organizar múltiples gráficos en una sola figura
  • Cómo comparar datos con barras en Matplotlib: agrupadas, apiladas y porcentuales
  • Ley de Benford: cómo detectar datos manipulados con ejemplos reales
  • Costes hundidos en ciencia de datos: cuándo mantener un modelo y cuándo migrar
  • Síndrome del objeto brillante en ciencia de datos: el error simétrico a los costes hundidos
  • WOE e IV: La Base Matemática del Credit Scoring
  • De la Regresión Logística al Scorecard: La Transformación Matemática

Publicado en: Herramientas Etiquetado como: Excel

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

La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)

junio 4, 2026 Por Daniel Rodríguez

Calibración vs Discriminación en Credit Scoring: diferencias clave y cómo evaluarlas

junio 2, 2026 Por Daniel Rodríguez

Ley de Benford: cómo detectar datos manipulados con ejemplos reales

mayo 28, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Codificación JSON Archivos JSON con Python: lectura y escritura publicado el julio 16, 2018 | en Python
  • pandas Eliminar las filas con valores nulos en Pandas publicado el abril 24, 2023 | en Python
  • Riesgo relativo vs riesgo absoluto: la trampa de los titulares alarmistas publicado el enero 29, 2026 | en Opinión
  • Creación de gráficos de barras y gráficos de columnas con Seaborn publicado el julio 18, 2023 | en Python
  • pandas Pandas: Contar los valores nulos en DataFrame publicado el agosto 12, 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

4.1 (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