---
name: bq_load_from_file
kind: function
lang: py
domain: infra
version: "1.0.0"
purity: impure
signature: "def bq_load_from_file(client: BQClient, file_path: str, dataset_id: str, table_id: str, source_format: str = 'CSV', write_disposition: str = 'WRITE_APPEND', autodetect: bool = True, skip_leading_rows: int = 0) -> dict"
description: "Carga datos desde un archivo local a una tabla BigQuery usando load_table_from_file del SDK. Equivalente a bq_load_from_gcs pero para disco local."
tags: [bigquery, gcp, load, file, google-cloud, python, etl]
uses_functions: []
uses_types: []
returns: []
returns_optional: false
error_type: "error_go_core"
imports: [google-cloud-bigquery]
params:
  - name: client
    desc: "cliente BQClient autenticado contra el proyecto GCP"
  - name: file_path
    desc: "ruta absoluta o relativa al archivo local a cargar"
  - name: dataset_id
    desc: "ID del dataset de destino en BigQuery"
  - name: table_id
    desc: "ID de la tabla de destino en BigQuery"
  - name: source_format
    desc: "formato del archivo fuente: CSV, NEWLINE_DELIMITED_JSON, AVRO, PARQUET, ORC"
  - name: write_disposition
    desc: "comportamiento si la tabla ya existe: WRITE_APPEND agrega, WRITE_TRUNCATE reemplaza, WRITE_EMPTY falla si hay datos"
  - name: autodetect
    desc: "si True, BigQuery infiere el schema automaticamente desde los datos"
  - name: skip_leading_rows
    desc: "numero de filas a ignorar al inicio del archivo (tipicamente 1 para saltar cabeceras CSV)"
output: "dict con {job_id: ID del LoadJob, rows_loaded: filas cargadas, status: DONE o FAILED}"
tested: false
tests: []
test_file_path: ""
file_path: "python/functions/bigquery/queries.py"
---

## Ejemplo

```python
from bigquery.client import bq_auth
from bigquery.queries import bq_load_from_file

client = bq_auth("my-project")

# Cargar CSV local con cabecera
result = bq_load_from_file(
    client,
    "/tmp/export_users.csv",
    "my_dataset", "users",
    skip_leading_rows=1,
    write_disposition="WRITE_TRUNCATE",
)
print(f"Cargadas {result['rows_loaded']} filas — job: {result['job_id']}")

# Cargar JSONL local
result = bq_load_from_file(
    client,
    "/data/events.jsonl",
    "my_dataset", "events",
    source_format="NEWLINE_DELIMITED_JSON",
)
```

## Notas

El archivo se abre en modo binario (`rb`) y se sube directamente al job de BigQuery.
Para archivos muy grandes, preferir `bq_load_from_gcs` — subir primero a GCS y luego
cargar desde ahi es mas eficiente y permite paralelismo.

La funcion bloquea hasta que el job termina (`job.result()`). Los archivos Parquet y
Avro no admiten `skip_leading_rows` — ese parametro solo aplica para CSV.