Запустить pandas онлайн

Чтение данных CSV в pandas

В этом уроке вы прочитаете данные CSV в DataFrame с помощью функции read_csv() из pandas.

  • Средний
  • Чтение: 2 мин
  • Примеров для запуска: 1

Когда используется pandas read_csv?

Какую задачу это решает

Большинство данных, с которыми вы встретитесь, хранятся в файлах CSV: выгрузки из таблиц, банковские выписки, логи датчиков. Если разбивать строки по запятым вручную, всё ломается на кавычках, пропущенных значениях и числах, сохранённых как текст. pandas правильно читает такие файлы одной строкой кода.

Пример из жизни

read_csv похож на оператора ввода данных, который переписывает список в электронную таблицу. Первая строка даёт заголовки столбцов, каждая следующая становится строкой таблицы, а оператор замечает, в каких столбцах числа.

От оператора ввода данных к коду
"name,score\n..."📃 Строки текста CSV
StringIO(csv_text)📂 Сделать вид, что текст - открытый файл
pd.read_csv(...)🧑‍💼 Переписать его в таблицу
students📊 Столбцы name и score, три строки
Первая строка становится именами столбцов, а каждая следующая - строкой таблицы.
Одним предложением

pd.read_csv загружает в DataFrame текст, где значения разделены запятыми, из файла или файлоподобного объекта. Первая строка становится именами столбцов, а тип каждого столбца pandas определяет сам.

CSV служит для обмена данными между таблицами, бизнес-системами, аналитическими инструментами, API и базами данных. pandas.read_csv() загружает данные в DataFrame для очистки, фильтрации и анализа.

Распространённые сценарии

  • Анализировать экспорт из Excel, Google Sheets или CRM.
  • Загружать наборы данных для data science и машинного обучения.
  • Исправлять пропуски, неверные типы и дубликаты перед импортом.
Совет: Для рабочих данных явно задавайте dtype, parse_dates, usecols и na_values.

Когда это нужно?

  • Загрузка данных, выгруженных из таблиц, баз данных и сайтов.
  • Массовое чтение логов и отчётов.
  • Первый шаг почти любого анализа данных.

Когда это не нужно

  • Файлы Excel с несколькими листами: используйте pd.read_excel.
  • Файлы, которые не помещаются в память: читайте их частями через chunksize.

Базовый пример

Запустить код →
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)
Получить кнопку запуска для этого примера

Результат выполнения

name  score
0  Ada     95
1  Lin     88
2  Sam     91

Продвинутый пример

Реальные CSV-файлы часто велики и содержат неточности. Этот пример выбирает нужные столбцы, разбирает даты, задаёт типы и распознаёт несколько форматов пропущенных значений.

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)

Разбор кода

StringIO превращает строку в объект, который ведёт себя как открытый файл, поэтому read_csv() может прочитать его сразу, без временного файла. pandas распознаёт первую строку как заголовок и угадывает тип каждого столбца. Для реальных данных параметры dtype, parse_dates и na_values позволяют управлять чтением.

Измените значения и запустите программу в онлайн-компиляторе Python CodeUtility без локальной установки Python.

Упражнения для практики

Попробуйте изменить код по подсказкам ниже. Если менять код и смотреть на результат, урок запомнится гораздо лучше, чем при простом чтении.

  1. Добавьте в пример строки, столбцы и несколько пропущенных значений.
  2. Объедините фильтрацию, сортировку и groupby, чтобы получить небольшой отчёт.
  3. Прочитайте реальный файл с данными, проверьте тип каждого столбца и обработайте неверные значения.
Запустить в компиляторе Python →

Частые ошибки

Неверный разделитель

В европейских файлах CSV разделителем часто служит ;, и тогда всё попадает в один столбец.

Ошибка
pd.read_csv("data.csv")
Исправление
pd.read_csv("data.csv", sep=";")

Закончили этот урок?

Отметьте его как изученный, чтобы следить за прогрессом.