El proceso de reducir la cantidad de datos necesarios para representar información.La compresión de datos es el arte y la ciencia de representar información con menos bits que el original. Es una tecnología fundamental en la era digital, que permite desde la transmisión de video hasta el almacenamiento de genomas. La idea central es explotar la redundancia: la mayoría de los datos del mundo real contienen patrones, repeticiones o regularidades estadísticas que pueden describirse de manera más compacta que los datos en bruto. Los algoritmos de compresión encuentran estos patrones y los codifican, permitiendo reconstruir la información original (sin pérdida) o aproximarla (con pérdida) a partir de la forma comprimida.
El campo comenzó con el artículo de Claude Shannon de 1948 'Una teoría matemática de la comunicación', que sentó las bases de la teoría de la información e introdujo el concepto de entropía como medida de la información. Pronto siguieron algoritmos prácticos tempranos como la codificación de Huffman (1952) y Lempel-Ziv (1977).
La compresión funciona modelando la estructura de los datos. Los métodos sin pérdida, como la codificación de Huffman o LZ77, construyen un diccionario de símbolos o frases frecuentes y los reemplazan con códigos más cortos. Los métodos con pérdida, como JPEG o MP3, descartan información a la que el ojo o el oído humanos son insensibles, utilizando transformadas (por ejemplo, la transformada discreta del coseno) para concentrar la energía en unos pocos coeficientes. En física y procesamiento de señales, la compresión a menudo se relaciona con la teoría de la información: el número mínimo de bits necesarios para describir una señal es su entropía, y la compresión se acerca a este límite eliminando la redundancia estadística.
La compresión de datos se utiliza en prácticamente todos los medios digitales: formatos de imagen (JPEG, PNG), audio (MP3, FLAC), video (H.264) y archivadores de archivos (ZIP). En la investigación científica, permite el almacenamiento y la transmisión eficientes de conjuntos de datos masivos, como los de aceleradores de partículas o secuenciadores genómicos.
La 'bomba zip' es un archivo comprimido diseñado para expandirse a un tamaño enorme al descomprimirse, aprovechando el hecho de que los datos altamente repetitivos pueden comprimirse hasta casi nada.





