Leer datos CSV con pandas
En esta lección vas a leer datos CSV en un DataFrame con la función read_csv() de pandas.
¿Cuándo se utiliza pandas read_csv?
El problema
La mayoría de los datos que encontrarás están guardados en archivos CSV: exportaciones de hojas de cálculo, extractos bancarios, registros de sensores. Separar líneas y comas a mano falla con las comillas, los valores que faltan y los números guardados como texto. pandas los lee correctamente con una sola línea de código.
Imagínalo así
read_csv es como un administrativo que copia una lista en una hoja de cálculo. La primera línea da los títulos de las columnas, cada línea siguiente se convierte en una fila, y el administrativo se fija en qué columnas tienen números.
"name,score\n..."📃 Las líneas del texto CSVStringIO(csv_text)📂 Haz como si el texto fuera un archivo abiertopd.read_csv(...)🧑💼 Cópialo en una tablastudents📊 Columnas name y score, tres filaspd.read_csv lee texto separado por comas desde un archivo o un objeto que actúa como archivo y lo convierte en un DataFrame, usando la primera línea como nombres de columna y deduciendo el tipo de cada columna.
Los archivos CSV intercambian datos entre hojas de cálculo, sistemas empresariales, herramientas analíticas, APIs y bases de datos. pandas.read_csv() los carga en un DataFrame para limpiarlos, filtrarlos y analizarlos.
Casos de uso habituales
- Analizar exportaciones de Excel, Google Sheets o un CRM.
- Cargar datasets para ciencia de datos y machine learning.
- Corregir datos ausentes, tipos incorrectos o duplicados antes de importarlos.
¿Cuándo se usa?
- Cargar datos exportados de hojas de cálculo, bases de datos y sitios web.
- Leer muchos logs (registros) e informes de una vez.
- El primer paso de casi cualquier análisis de datos.
Cuándo no hace falta
- Archivos de Excel con varias hojas: usa
pd.read_excel. - Archivos demasiado grandes para la memoria: léelos por partes con
chunksize.
Ejemplo básico
import pandas as pd
from io import StringIO
csv_text = "name,score\nAda,95\nLin,88\nSam,91"
students = pd.read_csv(StringIO(csv_text))
print(students)
Resultado de la ejecución
name score
0 Ada 95
1 Lin 88
2 Sam 91
Ejemplo avanzado
Los CSV reales suelen ser grandes e imperfectos. Este ejemplo selecciona columnas, interpreta fechas, controla tipos y reconoce varios formatos de valores ausentes.
import pandas as pd
sales = pd.read_csv(
"sales.csv",
usecols=["order_date", "product", "quantity", "revenue"],
parse_dates=["order_date"],
dtype={"product": "string", "quantity": "Int64"},
na_values=["", "N/A", "unknown"],
)
sales = sales.dropna(subset=["order_date", "product"])
monthly_revenue = sales.groupby(
sales["order_date"].dt.to_period("M")
)["revenue"].sum()
print(monthly_revenue)
Explicación del código
StringIO convierte una cadena en un objeto que se comporta como un archivo abierto, así que read_csv() puede leerlo directamente sin crear un archivo temporal. pandas reconoce la primera línea como cabecera y deduce el tipo de cada columna. Con datos reales, parámetros como dtype, parse_dates y na_values permiten controlar la lectura.
Cambia los valores y ejecuta el programa en el compilador Python online de CodeUtility sin instalar Python.
Ejercicios de práctica
Prueba a modificar el código siguiendo las ideas de abajo. Cambiar el código y ver el resultado te ayudará a entender la lección mucho mejor que solo leerla.
- Añade filas, columnas y algunos valores faltantes a los datos de ejemplo.
- Combina filtrado, ordenación y groupby para obtener un pequeño informe.
- Lee un archivo de datos real, comprueba el tipo de cada columna y trata los valores no válidos.
Errores comunes
Separador equivocado
Los CSV europeos usan a menudo ; y entonces todo acaba en una sola columna.
pd.read_csv("data.csv")
pd.read_csv("data.csv", sep=";")
¿Terminaste esta lección?
Márcala como aprendida para seguir tu progreso.