# File Formats

> Lee y escribe datos en múltiples formatos con Pandas — CSV, Excel, Parquet, JSON, Feather — y elige el formato óptimo según el caso.

- Skill: `leandrobenjaminl/file-formats` (Agent Skill)
- Install (CLI): `npx skillmds@latest add leandrobenjaminl/file-formats`
- Raw SKILL.md: https://api.skillmd.com/api/skills/leandrobenjaminl/file-formats/raw
- Safety review: PASS (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Data & Analytics, Data Analysis
- Tags: Csv, Data Conversion, Excel, Feather, Json, Pandas, Parquet
- License: MIT
- Author: LeandroBenjaminL (https://skillmd.com/u/leandrobenjaminl)
- Updated: 2026-08-22
- Page: https://skillmd.com/skills/leandrobenjaminl/file-formats

---


# Skill: file-formats

Multi-formato. Cada formato tiene un propósito — elegí bien.

## Trigger

- Te pasaron datos en un formato que no conocés
- Necesitás convertir entre formatos
- Querés elegir el formato óptimo para velocidad, tamaño o compatibilidad
- Un CSV de 5GB no entra en memoria y necesitás alternativas

## Workflow LEND

```
1. ANALIZAR
   ├── Origen: ¿qué formato tenés? ¿es tabular, anidado, texto?
   ├── Destino: ¿quién va a usar estos datos? ¿qué formato necesita?
   ├── Volumen: ¿KB, MB, GB? define la urgencia de optimizar
   └── Presupuesto: tiempo de carga vs espacio en disco

2. OFRECER (Menú del Senior)
   ├── A) CSV — universal, cualquiera lo abre. Lento y grande.
   ├── B) Parquet — rápido, comprimido, con schema. Ideal para pipelines.
   └── C) Feather — rapidísimo (C++ en backend). Para datos intermedios.

3. ELEGIR → confirmación

4. HACER
   ├── CSV: pd.read_csv('archivo.csv', parse_dates=['fecha'], dtype={'col': 'int32'})
   ├── Parquet: pd.read_parquet('archivo.parquet') / df.to_parquet('archivo.parquet')
   ├── Feather: pd.read_feather('archivo.feather') / df.to_feather('archivo.feather')
   ├── Excel: pd.read_excel('archivo.xlsx', sheet_name='Sheet1')
   ├── JSON: pd.read_json('archivo.json') / json_normalize para anidados
   └── Conversión entre formatos con Pandas (read → to)

5. VERIFICAR
   ├── Los datos se leen sin errores
   ├── Los tipos se infirieron correctamente
   └── El tamaño del archivo es razonable para el formato elegido
```

## Patrones

- **CSV para compartir**: cualquiera lo abre, pero no tiene schema y es lento
- **Parquet para pipelines**: comprimido, con schema, columnar. Lectura rápida de subsets.
- **Feather para datos intermedios**: más rápido que Parquet, pero solo para Pandas/R
- **Optimizar tipos**: `dtype={'col': 'int32'}` en read_csv reduce memoria ~50%
- **JSON para APIs**: Pandas json_normalize para datos anidados

## Anti-patrones

- ❌ CSV para datos grandes — 5GB de CSV es invivible. Usá Parquet.
- ❌ Excel para automatización — es lento, frágil, no scalable
- ❌ No especificar tipos al leer CSV — Pandas infiere, pero a veces se equivoca
- ❌ JSON anidado sin json_normalize — te perdés en diccionarios anidados