Clase 011 — pathlib, lectura y escritura de archivos
Parte: 0 — Prerrequisitos · Fuente: Python Tutorial cap. 10 ·
pathlibdocs · Effective Python (Slatkin) ítem 38. ⏱️ Duración estimada: 60 min.
🎯 Objetivo
Que el alumno deje de usar os.path.join + strings y adopte pathlib.Path — API orientada a objetos, multiplataforma (Windows/Unix), con métodos legibles para todas las operaciones de filesystem que hace todo el tiempo en DS (leer CSV, listar archivos, crear carpetas).
📚 Resultados de aprendizaje
Al finalizar la clase, el alumno podrá:
- Construir paths con
Path(...) / 'subdir' / 'file.csv'(operador/). - Leer/escribir archivos texto y binarios con métodos de
Path(read_text,write_bytes). - Listar y filtrar archivos con
iterdir,glob,rglob(recursivo). - Crear/eliminar estructuras de directorios sin pelear con
os.makedirs(exist_ok=True). - Manejar rutas relativas vs absolutas y entender
__file__.
🗺️ Temas
| # | Tema | Por qué importa |
|---|---|---|
| 1 | Path vs strings |
Objetos con métodos > concatenación manual. |
| 2 | Operador / para componer |
Legible y multiplataforma. |
| 3 | read_text / write_text / read_bytes |
One-liners para operaciones simples. |
| 4 | glob y rglob |
Patrones tipo shell: *.csv, **/*.py. |
| 5 | mkdir(parents=True, exist_ok=True) |
Crea árbol completo idempotente. |
| 6 | Path(__file__).parent y resolve() |
Localizar recursos relativos al script. |
📌 Versión profundizada — 2026
El tema moderno que vivía como complemento dentro de esta clase ahora tiene clase propia dedicada:
📖 Definiciones y características
Path- Objeto que representa una ruta de filesystem orientada a objetos (
pathlib.Path). Sobreescribe/para componer rutas, multiplataforma (Windows usa\, Unix/, transparente). Tiene métodos para casi todo: leer, escribir, listar, mover, borrar. - Ruta absoluta vs relativa
- Absoluta: empieza desde la raíz (
C:\dev\proyecto\data.csvo/home/user/data.csv). Relativa: parte del cwd (data.csv). Las rutas relativas dependen de dónde se ejecuta — fuente de bugs. Path.cwd()vsPath(__file__).parentcwd()es el directorio donde se ejecutó el script (cambia según el invocante).__file__es la ruta al archivo Python actual;.parentsu carpeta. Usa__file__para recursos que viven junto al script.globvsrglob- Patrones tipo shell.
glob('*.csv')busca en el directorio actual (1 nivel).rglob('*.csv')busca recursivo (todo el árbol).**significa 'cualquier número de directorios'. read_text/write_text- One-liners para texto:
Path('x.txt').write_text(contenido, encoding='utf-8'). Para binario:read_bytes/write_bytes. Para JSON/CSV usa librerías especializadas.
📂 Dataset / recursos
Carpeta temporal creada en el notebook con archivos sintéticos. Sin descarga.
🧪 Ejercicios
1. Construye una ruta multiplataforma. Dado Path.home() / 'datos' / '2026' / 'enero.csv', imprime cómo se ve en Windows vs Unix.
2. Lista CSVs. En una carpeta con archivos mixtos (.csv, .txt, .py), lista solo los .csv ordenados por tamaño.
3. Búsqueda recursiva. En un árbol de carpetas, encuentra todos los .py que contengan la palabra TODO en su contenido.
4. Escribe + lee. Genera 3 archivos txt con write_text, léelos con read_text, concaténalos en uno solo.
5. Ruta del script. Escribe un script que cargue un dataset que vive al lado del script (no del cwd), usando Path(__file__).parent / 'data.csv'.
📝 Homework verificable
Script inventario.py que recibe un directorio y produce un reporte CSV con: nombre, tamaño_bytes, extensión, última_modificación para cada archivo recursivamente, usando solo pathlib (no os).
Criterio de aceptación: El script corre tanto en Windows como en Linux/macOS sin cambios.
⚠️ Errores comunes
| Síntoma / mensaje | Causa y cómo arreglar |
|---|---|
FileNotFoundError aunque el archivo existe |
Estás usando ruta relativa y el cwd no es el que crees. Fix: print(Path.cwd()) para diagnosticar; usa rutas relativas a __file__ para archivos del proyecto. |
PermissionError al escribir |
Carpeta read-only, OneDrive sincronizando, antivirus bloqueando. Fix: chequea permisos con p.stat(), escribe a tempfile.gettempdir() para tests. |
mkdir() falla si el directorio ya existe |
Default es exist_ok=False. Fix: p.mkdir(parents=True, exist_ok=True) — crea árbol completo idempotente. |
Mezclo os.path y pathlib |
Algunos funciones esperan strings (open(), pd.read_csv()). Path soporta el protocolo os.PathLike y la mayoría las acepta directo; si no, str(p) lo convierte. |
glob('*.CSV') no encuentra archivo.csv |
Case-sensitive en Linux, insensible en Windows. Fix: filtra explícito con [p for p in path.iterdir() if p.suffix.lower() == '.csv']. |
ImportError: Missing optional dependency 'pyarrow' al llamar to_parquet/to_feather |
pandas delega Parquet/Arrow a pyarrow (o fastparquet), no viene de fábrica. Fix: pip install pyarrow. Bonus: confirmá que tu venv es el correcto (which python / where python). |
❓ Preguntas frecuentes
❓ ¿pathlib o os.path?
pathlib para código nuevo. os.path es la API funcional vieja (strings + funciones); pathlib es OO y mucho más legible. Solo usa os.path para compatibilidad con código viejo.
❓ ¿Cómo evito el típico 'C:/Users/...' vs '/home/...' cross-platform?
No hardcodees rutas absolutas. Usa Path.home(), Path(__file__).parent, tempfile.gettempdir(). Y siempre Path + /, nunca strings concatenados.
❓ ¿Cómo leo un CSV grande con pathlib?
Pathlib es para paths, no parsing. Combina: pd.read_csv(Path('data') / 'big.csv'). El Path se convierte a string automáticamente.
❓ ¿Path('a') / 'b/c' o Path('a') / 'b' / 'c'?
Ambas funcionan: Path parsea separadores. Pero la primera es menos explícita; prefiere la segunda.
❓ ¿shutil o pathlib para mover/copiar?
shutil para operaciones recursivas (copytree, rmtree, move) — pathlib solo cubre operaciones simples. Combinable: shutil.copy(src_path, dst_path) acepta Path directo.
❓ ¿Cuándo dejo de usar CSV?
Regla práctica: CSV solo para intercambio con no-técnicos (alguien lo va a abrir en Excel o mandarlo por mail). Para cualquier dataset >100 MB, o uno que vas a releer más de una vez en tu pipeline, pasalo a Parquet: ahorrás disco, ganás velocidad de lectura y no perdés tipos. Si lo único que querés es cachear un DataFrame entre dos scripts de la misma máquina, usá Feather.
🔗 Referencias
pathlibdocs- PEP 428 — Object-oriented filesystem paths
- Slatkin, Effective Python 2e — ítem 38 Use Pathlib instead of os.path.
- Apache Arrow / Parquet
📥 Material descargable
- 📄 Guía explicativa (PDF) — versión imprimible con todo el contenido de la clase.
- 🎞️ Presentación (PPTX) — deck PowerPoint listo para proyectar en clase.
- 🧮 Notebook ejecutable (.ipynb) — abrilo desde el laboratorio del programa o desde Jupyter.