pandas ऑनलाइन चलाएँ

pandas से CSV पढ़ना

read_csv से CSV data load करें।

  • मध्यम
  • 2 मिनट में पढ़ें
  • 1 चलाने योग्य उदाहरण

pandas read_csv का उपयोग कब होता है?

समस्या क्या है

आपको मिलने वाला ज़्यादातर डेटा CSV फ़ाइलों में होता है: स्प्रेडशीट से एक्सपोर्ट, बैंक स्टेटमेंट, सेंसर लॉग। लाइनों और कॉमा को हाथ से अलग करने पर quotes, खाली वैल्यू और टेक्स्ट के रूप में रखे नंबरों पर गड़बड़ होती है। pandas उन्हें एक लाइन में सही तरीके से पढ़ लेता है।

ऐसे समझें

read_csv एक डेटा-एंट्री क्लर्क जैसा है जो एक लिस्ट को स्प्रेडशीट में कॉपी करता है। पहली लाइन कॉलम के शीर्षक देती है, उसके बाद की हर लाइन एक पंक्ति बनती है, और क्लर्क ध्यान देता है कि किन कॉलम में नंबर हैं।

डेटा-एंट्री क्लर्क से कोड तक
"name,score\n..."📃 CSV टेक्स्ट की लाइनें
StringIO(csv_text)📂 मान लें कि टेक्स्ट एक खुली फ़ाइल है
pd.read_csv(...)🧑‍💼 इसे टेबल में कॉपी करें
students📊 name और score कॉलम, तीन पंक्तियाँ
पहली लाइन कॉलम के नाम बनती है; उसके बाद की हर लाइन एक पंक्ति बनती है।
एक वाक्य में

pd.read_csv किसी फ़ाइल या फ़ाइल जैसे ऑब्जेक्ट से कॉमा से अलग टेक्स्ट पढ़कर DataFrame बनाता है, पहली लाइन को कॉलम के नाम मानता है और हर कॉलम का टाइप अंदाज़ा लगाता है।

CSV spreadsheets, business systems, analytics tools, APIs और databases के बीच data ले जाने का सामान्य format है। pandas.read_csv() इसे DataFrame में load करता है ताकि data साफ, filter और analyze किया जा सके।

सामान्य उपयोग

  • Excel, Google Sheets या CRM export का विश्लेषण करें।
  • Data science और machine learning के datasets load करें।
  • Import से पहले missing values, गलत types और duplicates ठीक करें।
सुझाव: Production data के लिए dtype, parse_dates, usecols और na_values स्पष्ट रूप से तय करें।

इसका उपयोग कब करें?

  • स्प्रेडशीट, डेटाबेस और वेबसाइट से एक्सपोर्ट किया डेटा लोड करना।
  • लॉग और रिपोर्ट को एक साथ बड़ी मात्रा में पढ़ना।
  • लगभग हर डेटा एनालिसिस का पहला स्टेप।

कब ज़रूरत नहीं

  • कई शीट वाली Excel फ़ाइलें: pd.read_excel इस्तेमाल करें।
  • मेमोरी से बड़ी फ़ाइलें: chunksize से उन्हें हिस्सों में पढ़ें।

बुनियादी उदाहरण

कोड चलाएँ →
main.py
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)
इस उदाहरण के लिए Run बटन बनाएँ

अपेक्षित आउटपुट

name  score
0  Ada     95
1  Lin     88
2  Sam     91

उन्नत उदाहरण

वास्तविक CSV files अक्सर बड़ी और अपूर्ण होती हैं। यह उदाहरण जरूरी columns चुनता है, dates parse करता है, data types नियंत्रित करता है और missing values के कई formats पहचानता है।

advanced_csv.py
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)

यह कैसे काम करता है

read_csv header और types पहचानता है; dtype, parse_dates और na_values import को स्पष्ट बनाते हैं।

मान बदलें और Python इंस्टॉल किए बिना CodeUtility ऑनलाइन Python कंपाइलर में प्रोग्राम चलाएँ।

अभ्यास के कार्य

बड़े dataset पर जाने से पहले input बदलें और edge cases की जाँच करें।

  1. Rows, columns और missing values जोड़ें।
  2. Filtering, sorting और groupby को साथ प्रयोग करें।
  3. वास्तविक file पढ़ें और dtype जाँचें।
Python IDE में चलाएँ →

आम गलतियाँ

गलत separator

यूरोपीय CSV फ़ाइलें अक्सर ; इस्तेमाल करती हैं, इसलिए सब कुछ एक ही कॉलम में आ जाता है।

समस्या
pd.read_csv("data.csv")
सुधार
pd.read_csv("data.csv", sep=";")

यह पाठ पूरा कर लिया?

अपनी प्रगति ट्रैक करने के लिए इसे सीखा हुआ मार्क करें।