[Biblioteca estándar de Python – 2] Almacenamiento y serialización de datos: json, pickle, csv [ r1 ]

Almacenamiento y serialización de datos con la biblioteca estándar de Python: json, pickle, csv

Para guardar datos en archivos o enviarlos por la red, se necesita serialización. Python ofrece tres herramientas estándar, cada una con un enfoque distinto: json, pickle, csv.

• json: formato de texto legible por humanos, excelente para intercambio entre lenguajes.
• pickle: formato binario que guarda objetos de Python tal cual, potente pero con riesgos de seguridad.
• csv: formato de texto simple para datos tabulares, muy versátil.

En este artículo organizamos la elección de cada módulo según el tipo de datos y el destino.

1. JSON

1.1 Visión general

JSON (JavaScript Object Notation) es basado en texto y independiente de lenguaje. Se usa ampliamente en archivos de configuración, respuestas/solicitudes de API y logs. En Python se maneja con el módulo json.

1.2 API principal (lo más usado)

• json.dump(obj, fp, ...) / json.load(fp, ...) : guardar/leer desde archivo.
• json.dumps(obj, ...) / json.loads(s, ...) : convertir a/desde cadena.

Opciones útiles:

• ensure_ascii=False – guarda caracteres internacionales sin escapar.
• indent=2 – formato legible.
• default=... – función para convertir tipos desconocidos.

1.3 Ejemplo básico

import json

data = {
    "name": "Alice",
    "age": 30,
    "skills": ["Python", "Data Science"]
}

with open("data.json", "w", encoding="utf-8") as f:
    json.dump(data, f, ensure_ascii=False, indent=2)

with open("data.json", "r", encoding="utf-8") as f:
    loaded = json.load(f)

print(loaded)

1.4 Solución sencilla a la limitación de tipos

JSON admite nativamente dict, list, str, int/float, bool, None. Para tipos como datetime, se puede usar default.

import json
from datetime import datetime, timezone

payload = {"created_at": datetime.now(timezone.utc)}

def to_jsonable(obj):
    if isinstance(obj, datetime):
        return obj.isoformat()
    raise TypeError(f"Not JSON serializable: {type(obj)!r}")

s = json.dumps(payload, default=to_jsonable, ensure_ascii=False)
print(s)

1.5 Ventajas y desventajas

Ventajas

• Intercambio entre lenguajes.
• Texto: depuración y control de versiones.
• No ejecuta código al cargar.

Desventajas

• Expresión limitada de tipos (datetime, set, Decimal, binario).
• En datos grandes, puede ser menos eficiente.

2. Pickle

2.1 Visión general

pickle serializa objetos de Python en binario. Al cargar, se recupera un objeto casi idéntico.

Es útil cuando:

• Se desea conservar objetos complejos (clases, estructuras anidadas, modelos entrenados).
• No se necesita interoperabilidad con otros lenguajes.

Evita usarlo cuando:

• La fuente no es confiable (pickle.load() puede ejecutar código).
• Se necesita compartir con sistemas no Python.

2.2 API principal (los 4 más usados)

• pickle.dump(obj, file, protocol=...)
• pickle.load(file)
• pickle.dumps(obj, protocol=...)
• pickle.loads(data)

Ejemplo típico de archivo:

import pickle

data = {"a": [1, 2, 3], "b": ("x", "y")}

with open("data.pkl", "wb") as f:
    pickle.dump(data, f)

with open("data.pkl", "rb") as f:
    loaded = pickle.load(f)

print(loaded)

2.3 ¿Qué es protocol y por qué importarlo?

protocol define la versión del formato de pickle. El valor por defecto es el más adecuado para la versión actual de Python.

• Si se necesita compatibilidad con versiones antiguas, se debe fijar un protocolo bajo.
• Para optimizar tamaño y velocidad, se suele usar pickle.HIGHEST_PROTOCOL.

import pickle

with open("data.pkl", "wb") as f:
    pickle.dump({"x": 1}, f, protocol=pickle.HIGHEST_PROTOCOL)

2.4 Precaución real (importante)

pickle.load() ejecuta el código embebido en el pickle. Por eso, nunca cargues un pickle de origen desconocido.

• Si el objetivo es compartir, opta por json u otro formato de texto.

2.5 Ventajas y desventajas

Ventajas

• Guarda prácticamente cualquier objeto de Python.
• Generalmente más rápido que json para objetos complejos.

Desventajas

• Riesgo de seguridad.
• No interoperable con otros lenguajes.
• Cambios en la definición de clases pueden romper pickles antiguos.

3. CSV

3.1 Visión general

CSV (Comma-Separated Values) es el formato más sencillo para datos tabulares. Se usa en hojas de cálculo, exportaciones e importaciones de datos y logs simples.

3.2 API principal (lo más usado)

• csv.reader, csv.writer – listas.
• csv.DictReader, csv.DictWriter – diccionarios (más cómodo).

3.3 Ejemplo con DictWriter/DictReader

import csv

data = [
    {"name": "Alice", "age": 30, "city": "Seoul"},
    {"name": "Bob",   "age": 25, "city": "Busan"},
]

with open("people.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["name", "age", "city"])
    writer.writeheader()
    writer.writerows(data)

with open("people.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    loaded = list(reader)

print(loaded)

3.4 Puntos de precaución (3)

1. Usar newline="" – evita saltos de línea dobles en Windows.
2. Todos los valores son cadenas – conviene convertir tipos manualmente.
3. Separadores y comillas dentro de los datos – el módulo csv maneja estos casos.

3.5 Ventajas y desventajas

Ventajas

• Muy ligero y ampliamente soportado.
• Ideal para datos tabulares simples.

Desventajas

• No representa estructuras anidadas.
• Falta de información de tipo.

4. Comparación y guía de selección

Resumen rápido

• Intercambio entre sistemas → json.
• Guardar objetos de Python íntegros → pickle (con precaución).
• Exportar/leer datos tabulares → csv.

5. Guardar y cargar los mismos datos con los tres formatos

import json, pickle, csv

data = [
    {"id": 1, "name": "Alice", "score": 95.5},
    {"id": 2, "name": "Bob",   "score": 88.0},
]

# 1) JSON
with open("data.json", "w", encoding="utf-8") as f:
    json.dump(data, f, ensure_ascii=False, indent=2)

with open("data.json", "r", encoding="utf-8") as f:
    json_loaded = json.load(f)

# 2) Pickle
with open("data.pkl", "wb") as f:
    pickle.dump(data, f)

with open("data.pkl", "rb") as f:
    pickle_loaded = pickle.load(f)

# 3) CSV
with open("data.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["id", "name", "score"])
    writer.writeheader()
    writer.writerows(data)

with open("data.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    csv_loaded = [
        {"id": int(row["id"]), "name": row["name"], "score": float(row["score"])}
        for row in reader
    ]

print(json_loaded)
print(pickle_loaded)
print(csv_loaded)

• CSV requiere conversión de tipos al leer.
• Pickle es cómodo pero exige cuidado con la fuente.

6. Conclusión

Con la biblioteca estándar de Python, la serialización y el almacenamiento de datos cubren una amplia gama de necesidades.

• Si el objetivo es intercambio y legibilidad, elige json.
• Si necesitas conservar objetos de Python tal cual, usa pickle (con precaución).
• Si trabajas con datos tabulares simples, csv es la opción más ligera.

Selecciona el módulo que mejor se adapte a la forma y al propósito de tus datos, y obtendrás una solución rápida y limpia.