Cómo cargar un CSV en una tabla del Lakehouse
Tener los datos en un archivo CSV es el punto de partida más común en cualquier proyecto de datos, pero para analizarlos con SQL o Power BI primero hay que convertirlos en una tabla. Cargar un CSV en una tabla del Lakehouse de Microsoft Fabric hace justo eso: en pocos clics obtienes una tabla Delta lista para consultar, sin escribir una sola línea de código. El proceso es rápido y el ejemplo de abajo es lo bastante sencillo para que cualquiera pueda seguirlo. Esta guía es ideal para quien empieza con Fabric y quiere el camino más directo del archivo al análisis.
Requisitos previos
- Una cuenta con acceso a Microsoft Fabric y una capacidad (de prueba o de pago) activa.
- Un workspace donde tengas permisos de edición.
- Un Lakehouse ya creado — si aún no tienes uno, crea un elemento de tipo Lakehouse en el workspace.
- Un archivo CSV pequeño para probar, por ejemplo
vendas.csv, con los nombres de las columnas en la primera fila.
Paso 1: Abrir el Lakehouse
Entra en tu workspace en Microsoft Fabric y abre el Lakehouse donde quieres guardar los datos. A la izquierda aparece el Lakehouse explorer, dividido en dos áreas: Tables, donde están las tablas Delta que puedes consultar con SQL, y Files, donde están los archivos en bruto como tu CSV. Entender esta separación es medio camino recorrido: primero ponemos el archivo en Files y luego lo convertimos en una tabla en Tables.
Paso 2: Subir el CSV al área Files
Haz clic derecho en la sección Files y elige Upload y después Upload files. Selecciona tu vendas.csv y confirma. El archivo aparece ahora en el área Files, almacenado en OneLake, pero todavía no es una tabla — es solo el archivo original.
Consejo: asegúrate de que el CSV tiene una fila de cabecera con nombres de columna claros, preferiblemente sin espacios ni acentos. Esto ayuda a Fabric a detectar bien el esquema y evita errores en el paso siguiente.
Paso 3: Usar "Load to Tables"
Con el archivo visible en Files, haz clic derecho en vendas.csv y elige Load to Tables y después New table. Escribe un nombre para la tabla, por ejemplo vendas, confirma que el separador es la coma y que la opción para usar la primera fila como cabecera está activada. Haz clic en Load. La opción New table crea una tabla nueva; si eliges Existing table, añades los datos a una tabla que ya existe.
Entre bastidores, Fabric lee el CSV, infiere el tipo de cada columna (texto, número, fecha) y crea una tabla Delta en el área Tables. El formato Delta es abierto y está optimizado para consultas analíticas, por eso es el formato predeterminado de un Lakehouse.
Paso 4: Consultar la tabla con SQL
En cuanto la tabla existe, puedes consultarla sin salir de Fabric. En la esquina superior derecha, cambia del modo Lakehouse al SQL analytics endpoint y abre una New SQL query. Prueba una consulta sencilla para ver las primeras filas:
SELECT TOP 10 *
FROM vendas;¿Prefieres trabajar en un notebook? Con PySpark obtienes el mismo resultado a partir de la tabla:
df = spark.read.table("vendas")
display(df.limit(10))Verificar el resultado
En el área Tables del Lakehouse explorer deberías ver ahora la tabla vendas con el icono de tabla Delta. Expándela para confirmar que las columnas y sus tipos se detectaron como esperabas. La consulta SELECT anterior debería devolver las primeras filas de tu CSV. Si algún valor numérico apareció como texto, o una fecha se interpretó mal, vuelve al archivo, corrige la cabecera o los datos y cárgalo de nuevo — es rápido y gratuito. Esta pequeña prueba confirma que los datos están accesibles y listos para el siguiente paso de tu proyecto.
Conclusión
En cuatro pasos convertiste un simple CSV en una tabla Delta lista para analizar con SQL, Power BI o notebooks. Un buen próximo paso es dejar de subir archivos a mano: con un Dataflow Gen2 o un pipeline puedes automatizar la carga cada vez que los datos cambien. ¿Cuál es el primer archivo de tu día a día que vas a llevar al Lakehouse?