Convertir Parquet a XLSX

Un `.parquet` en el correo es un pequeño fallo de traducción entre dos mundos. Es el formato normal dentro de una plataforma de datos —compacto, tipado, rápido de consultar— y no es un formato que ninguna aplicación de oficina considere suyo. No hay una ruta de Archivo, Abrir para él, y lo que admita el conector de consultas depende de la versión y de la licencia que tengas delante.

Pedir otra exportación suele ser la respuesta correcta y no siempre está disponible: quien lo envió puede estar en otro huso horario, la tubería puede escribir solo Parquet, o el fichero puede ser el resto de un proceso que ya terminó. Convertirlo por tu cuenta cuesta un momento y no exige instalar nada.

Este es el argumento decisivo si trabajas en español y casi nunca aparece en las páginas escritas en inglés. Un CSV no guarda tipos: todo llega como texto y Excel lo reinterpreta al importarlo, aplicando la configuración regional del equipo. En un Excel configurado en español, la coma es el separador decimal y el punto el de miles, así que un fichero exportado con convención anglosajona convierte `1.234` en mil doscientos treinta y cuatro cuando eran uno coma dos tres cuatro, o al revés.

Ese error no avisa. La columna se ve llena de números, las fórmulas funcionan y el total está mal por tres órdenes de magnitud en unas filas y bien en otras. Es la causa más común de un informe con cifras imposibles que nadie sabe de dónde salieron, y es exactamente lo que esta conversión evita: al escribir un libro de Excel, un valor numérico llega como celda numérica y no hay ninguna reinterpretación de por medio.

Un fichero Parquet registra el tipo de cada columna, y una celda de un libro de cálculo transporta el suyo. Una columna numérica llega como celda numérica y una booleana como celda booleana, así que una suma funciona al primer clic, un filtro ofrece un rango numérico en vez de una lista de cadenas y una tabla dinámica trata la columna de importe como un importe.

Nada se ha vuelto a deducir a partir de caracteres, porque los valores nunca llegaron a ser caracteres por el camino. Esa es la diferencia real entre este destino y el CSV, y no es una cuestión de preferencia: es la diferencia entre un fichero que se puede analizar tal como llega y otro que hay que auditar antes de sumarlo.

Aquí está la excepción. Al leer el Parquet, cualquier valor de fecha se normaliza a una cadena en formato ISO —del tipo `2024-03-11T09:30:00.000Z`— y por tanto aterriza en el libro como celda de texto. Ordena bien alfabéticamente, y no responde a aritmética de fechas ni alimenta un filtro de fechas en una tabla dinámica.

Convertirla es una operación conocida y cuesta unos diez segundos por columna: selecciona la columna, Datos, Texto en columnas, Siguiente, Siguiente, y en el último paso elige Fecha con el orden AMD. Excel la interpreta entonces como fecha real. La conversión no lo hace por ti porque el huso horario y el formato de presentación son decisiones sobre cómo se ve el dato, y tomarlas en Excel, donde ves el resultado, es mejor que tomarlas en silencio dentro de un fichero.

Parquet tiene un tipo entero de 64 bits y una hoja de cálculo maneja del orden de quince cifras significativas exactas. Al leer, un entero que se sale de lo que se puede representar exactamente se entrega como cadena en lugar de como número redondeado, y por eso aparece alineado a la izquierda entre columnas que van a la derecha.

Parece incoherente y es lo correcto. Una referencia de pedido o un identificador de transacción redondeado sigue pareciendo un identificador válido, no coincide con nada y es dificilísimo de rastrear hacia atrás; el mismo valor como texto es obviamente texto y es exacto. Si ves una columna de números largos alineada a la izquierda, eso es lo que significa, y debe quedarse como texto en vez de convertirse a número para cuadrar la alineación.

Una columna binaria —una huella, un identificador comprimido, un fragmento serializado— no tiene representación posible en una celda, así que al leerse se transforma en su hexadecimal en minúsculas. Es una decisión declarada del lector y no un accidente: el valor sigue siendo reversible y es legible con la vista.

Lo que no es, es utilizable como dato en la hoja. Nadie va a comparar dos huellas hexadecimales a ojo ni a filtrar por ellas de forma útil. Si esas columnas importan para el análisis, la petición correcta va aguas arriba: que la consulta las decodifique o las omita antes de escribir el fichero.

Parquet admite listas, estructuras y mapas dentro de una sola columna. Una celda guarda un valor, así que al leerse esas columnas se convierten en texto JSON: una lista aparece como `["a","b"]` en una celda y una estructura como un objeto con sus nombres de miembro.

Se lee y no se trabaja con ello. No hay fórmula que lo trate como dato sin una cantidad considerable de manipulación de texto, y una tabla dinámica ve una cadena larga. Si esas columnas importan, la solución está en el origen: pedir que se aplanen en columnas separadas es un cambio de una línea en la consulta que produjo el fichero y convierte una celda inservible en tres útiles.

Un fichero Parquet contiene exactamente una tabla con un esquema, así que el libro tiene una sola hoja. Toma su nombre del fichero sin la extensión, recortado a los treinta y un caracteres que admite un nombre de hoja, de modo que un nombre generado por una tubería se corta en lugar de rechazarse.

Los nombres de columna llegan tal como los registró el fichero, con los guiones bajos, los prefijos y los tramos con aspecto de ruta que les pusiera la tubería de datos. Rara vez son los nombres que alguien elegiría para un informe, y renombrarlos en la primera fila es el primer paso normal. Hacerlo en el libro es más seguro que pedir una exportación renombrada, porque los nombres originales son los que va a usar el equipo de datos cuando vuelvas con una pregunta.

El libro que se escribe aquí es deliberadamente desnudo: una hoja con valores, sin estilos, sin fórmulas y sin anchos de columna ajustados. Lo que llega es la tabla, y todo lo que la haga presentable lo pones tú después.

Merece la pena decirlo porque marca la frontera de esta herramienta. Esto no es un generador de informes: es el puente que convierte un artefacto de plataforma de datos en algo que se puede abrir. La primera media hora después de convertir —dar formato a los importes, poner los encabezados legibles, congelar la fila superior— es trabajo humano y no hay conversión que lo evite.

Una hoja admite 1.048.576 filas contando la de encabezado, y 16.384 columnas. Es un límite del propio formato de hoja de cálculo, así que ningún conversor puede superarlo y ninguna versión de Excel te va a enseñar las filas que quedan por encima.

Los ficheros Parquet superan esa cifra con frecuencia, porque el formato existe precisamente para tablas que una hoja no aguanta. Cuando la extracción se pasa, la respuesta honesta es que hace falta filtrarla o agregarla antes, y quien la produjo puede hacerlo mucho más barato que tú. Pide las filas de un mes, o los totales por categoría, en vez de un fichero más grande: una pregunta hecha aguas arriba suele convertir un millón de filas en unos miles que responden mejor.

Considerablemente más. Parquet guarda los valores en binario, comprime cada columna por separado y almacena un valor repetido una sola vez con referencias pequeñas hacia él; una hoja guarda una celda por valor, con su tipo y sus referencias de estilo, dentro de un comprimido de XML.

Un Parquet modesto produce por tanto un libro varias veces mayor, y muchísimo mayor cuando las columnas son muy repetitivas: las que mejor comprimían al entrar son las que más se expanden al salir. Conviene mirar el número de filas antes de convertir un fichero que no has abierto nunca, porque la tabla expandida se sostiene en memoria mientras se construye el libro y el techo llega antes de lo que sugiere el tamaño en disco.

El lector de Parquet y el escritor de hojas de cálculo son dos bibliotecas que esta página carga bajo demanda, y la conversión ocurre aquí, en tu procesador. Ninguna petición lleva el fichero a ningún sitio, el tope es de 100 MB por archivo y no hay cuenta, ni cola, ni cupo diario que gastar.

En este par concreto eso suele ser lo que decide si se puede usar un conversor web siquiera. Un Parquet salido de una plataforma de datos está normalmente más cerca de la tabla en bruto que de un informe: sin agregar, sin anonimizar y con columnas que no deberían salir de la organización. Subir uno es exactamente lo que una política de tratamiento de datos existe para impedir.