• 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

Guardar archivos CSV en Node

Node

marzo 24, 2021 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

La semana pasada hemos visto el uso del módulo csv-parser para procesar archivos CSV en Node. Lo que facilita la importación de este formato de archivo. Uno de los más utilizados para el intercambio de datos entres sistemas. Esta semana vamos a ver dos módulos (csv-writer y fast-csv) con los que podremos hacer el proceso inverso: guardar archivos CSV en Node.

El módulo csv-writer

Quizás la forma más sencilla para guardar archivos CSV en Node sea ultimar el módulo csv-writer. Módulo que se puede instalar mediante el comando npm en nuestro proyecto, para o que simplemente hay que escribir

npm install fast-csv

Una vez hecho esto en nuestro proyecto se puede importar la función createObjectCsvWriter para crear un objeto que pueda guardar vectores en un archivo CSV. Para lo que a esta función se le debería pasar un objeto con la propiedad path y header. En la propiedad path hay que indicar el archivo en donde se desea guardar los datos. Por otro lado, en la header hay que indicar una lista de objetos que tengan la propiedad id, en la que se indica el nombre por el que se identifica el dato, y la propiedad title, que será el nombre de la columna en el archivo CSV.

Tras crear el objeto se puede llamar al método writeRecords() para se guarden en el archivo un listado de objetos con las propiedades indicadas anteriormente. En el caso de que algún objeto tenga alguna propiedad adicional ésta no se incluirá en el archivo.

Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
En Analytics Lane
Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)

Ejemplo de uso de csv-writer

En el siguiente código se puede ver un ejemplo de uso de este módulo. En el que se crea un archivo clientes.csv con columnas para incluir valores de id, nombre, apellidos y edad. Posteriormente se creará un objeto data con los datos que se deseen exportar. Nótese que el nombre de las propiedades en el objeto no es el mismo que el de las columnas en el archivo.

const createObjectCsvWriter = require("csv-writer").createObjectCsvWriter;

const csvWriter = createObjectCsvWriter({
  path: "clients.csv",
  header: [
    {
      id: "id",
      title: "id",
    },
    {
      id: "name",
      title: "first_name",
    },
    {
      id: "surname",
      title: "last_name",
    },
    {
      id: "age",
      title: "age",
    },
  ],
});

const data = [
  {
    id: 1,
    name: "Oralie",
    surname: "Fidgeon",
    age: 30,
  },
  {
    id: 2,
    name: "Imojean",
    surname: "Benet",
    age: 21,
  },
  {
    id: 3,
    name: "Michele",
    surname: "Woodlands",
    age: 27,
  },
  {
    id: 4,
    name: "Ailbert",
    surname: "Risdale",
    age: 22,
  },
  {
    id: 5,
    name: "Stevy",
    surname: "MacGorman",
    age: 24,
  },
];

csvWriter
  .writeRecords(data)
  .then(() => console.log("El archivo se ha guardado"));

Lo que produce el siguiente archivo

id,first_name,last_name,age
1,Oralie,Fidgeon,30
2,Imojean,Benet,21
3,Michele,Woodlands,27
4,Ailbert,Risdale,22
5,Stevy,MacGorman,24

En caso de que sea necesario ejecutar algún código una vez se genere el archivo se puede usar el método then().

Publicidad


Otras opciones de csv-writer

Si necesitamos cambiar el comportamiento de csv-writer se puede incluir algunas opciones en el objeto a la hora de crearlo. Opciones entre las que se puede destacar:

  • fieldDelimiter: con el que se puede modificar el separador de valores que por defecto es la coma (,).
  • recordDelimiter: mediante la que se indica el salto de línea, cuyo valor por defecto es \n.
  • encoding: con la que se indica la codificación usada en el archivo, por defecto el valor es utf8.
  • append: mediante este valor boleado se puede indicar si, en caso de que el archivo exista, se agregan los datos o se sobrescriben. Por defecto el valor es false lo que indica que los datos se sobrescribirá.

El módulo fast-csv

Otra alternativa para guardar archivos CSV en Node es utilizar el módulo fast-csv. Un módulo que se puede instalar en nuestro proyecto con el siguiente comando

npm install fast-csv

Un módulo que requiere el uso del módulo fs para guardar los archivos, aunque se encarga del procesado de estos. Así para guardar los mismos datos que antes se puede usar el siguiente código.

const fastcsv = require("fast-csv");
const fs = require("fs");
const file = fs.createWriteStream("fast.csv");

fastcsv.write(data, { headers: true }).pipe(file);

Conclusiones

En esta entrada hemos visto dos módulos disponibles en NPM para guardar archivos CSV en Node. No son los únicos módulos, pero son dos de los más populares y fáciles de utilizar para esta tarea.

Image by Muhammad Umer Idrisi from 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?

Publicidad


Publicaciones relacionadas

  • Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
  • Data Leakage en Credit Scoring: El Error que Invalida tu Modelo
  • La liga internacional, o cuando Harvard y Johns Hopkins suman peras con manzanas – El bestiario de los indicadores económicos absurdos (parte 6)
  • Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)
  • Customer Lifetime Value: la fórmula clásica que todo analista debería dominar
  • Segmentación RFM: cómo clasificar tu cartera de clientes antes de calcular el CLV
  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado
  • Champion vs Challenger: Cómo los Bancos Validan Modelos Nuevos antes de Ponerlos en Producción

Publicado en: JavaScript Etiquetado como: Node

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

Errores habituales al trabajar con DataFrames grandes en Pandas (y cómo evitarlos)

agosto 6, 2026 Por Daniel Rodríguez

Champion vs Challenger: Cómo los Bancos Validan Modelos Nuevos antes de Ponerlos en Producción

agosto 4, 2026 Por Daniel Rodríguez

Cómo Comparar Dos Hipotecas con Todos los Gastos Incluidos

julio 30, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Probabilidad básica: cómo entender el azar en nuestra vida diaria publicado el junio 24, 2025 | en Ciencia de datos, Opinión
  • Cambiar el separador decimal en Excel publicado el febrero 19, 2020 | en Herramientas
  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado publicado el julio 21, 2026 | en Ciencia de datos
  • Mapas de calor y diagramas de araña en Python publicado el febrero 25, 2019 | en Python
  • Diferencias entre CPU, GPU, TPU y NPU publicado el abril 19, 2023 | 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 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
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración

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