Đọc tệp CSV bằng pandas read_csv
Tải dữ liệu phân cách bằng dấu phẩy vào DataFrame chỉ với một dòng, từ tệp, URL hay một chuỗi.
- pd.read_csv với đường dẫn hoặc StringIO
- Dòng tiêu đề và kiểu dữ liệu của cột
- Các tuỳ chọn hữu ích: sep, usecols, parse_dates
- 1
name,scoreTiêu đề → tên cột - 2
Ada,95Mỗi dòng → một hàng - 3
pd.read_csv(...)Một DataFrame 3 hàng
Đọc CSV với pandas dùng khi nào?
Vấn đề
Phần lớn dữ liệu bạn gặp được lưu trong file CSV: xuất từ bảng tính, sao kê ngân hàng, nhật ký cảm biến. Tự tách từng dòng và dấu phẩy sẽ hỏng khi gặp dấu nháy, giá trị bị thiếu hay số được lưu dạng chữ. pandas đọc đúng chỉ trong một dòng.
Hình dung đời thường
read_csv giống nhân viên nhập liệu chép một danh sách vào bảng tính. Dòng đầu cho biết tiêu đề các cột, mỗi dòng sau đó thành một hàng, và người nhân viên tự nhận ra cột nào chứa số.
"name,score\n..."📃 Các dòng của đoạn chữ CSVStringIO(csv_text)📂 Giả vờ đoạn chữ là một file đang mởpd.read_csv(...)🧑💼 Chép nó vào một bảngstudents📊 Hai cột name và score, ba hàngpd.read_csv đọc dữ liệu chữ phân tách bằng dấu phẩy từ file (hoặc thứ giống file) vào một DataFrame, dùng dòng đầu làm tên cột và tự đoán kiểu của từng cột.
CSV thường được dùng để trao đổi dữ liệu giữa Excel, hệ thống bán hàng, công cụ phân tích, API và cơ sở dữ liệu. pandas.read_csv() chuyển dữ liệu thành DataFrame để làm sạch, lọc, thống kê và trực quan hoá.
Các tình huống phổ biến
- Phân tích file xuất từ Excel, Google Sheets hoặc CRM.
- Nạp tập dữ liệu cho machine learning và data science.
- Làm sạch dữ liệu thiếu, sai kiểu hoặc trùng lặp trước khi import.
Khi nào nên sử dụng?
- Nạp dữ liệu xuất từ bảng tính, cơ sở dữ liệu và trang web.
- Đọc hàng loạt log và báo cáo.
- Bước đầu tiên của gần như mọi phân tích dữ liệu.
Khi nào chưa cần
- File Excel có nhiều trang tính: dùng
pd.read_excel. - File quá lớn so với bộ nhớ: đọc từng phần với
chunksize.
Ví dụ cơ bản
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)
Kết quả khi chạy
name score
0 Ada 95
1 Lin 88
2 Sam 91
Ví dụ nâng cao
File CSV thực tế thường lớn và chưa sạch. Ví dụ này chỉ đọc cột cần thiết, chuyển ngày tháng, khai báo kiểu dữ liệu và nhận diện nhiều dạng giá trị thiếu.
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)
Giải thích code
StringIO biến một chuỗi văn bản thành đối tượng hoạt động như một file đang mở, nên read_csv() có thể đọc trực tiếp mà không cần tạo file tạm. pandas tự nhận dòng đầu tiên là tiêu đề cột và đoán kiểu dữ liệu cho từng cột. Với dữ liệu thực tế, bạn có thể dùng thêm các tham số như dtype, parse_dates và na_values để kiểm soát cách đọc dữ liệu.
Thay đổi giá trị và chạy chương trình bằng trình chạy Python online của CodeUtility mà không cần cài Python.
Bài tập mở rộng
Hãy thử chỉnh sửa code theo các gợi ý dưới đây. Tự thay đổi và quan sát kết quả sẽ giúp bạn hiểu bài sâu hơn nhiều so với chỉ đọc code.
- Thêm dòng, cột và một vài giá trị bị thiếu vào dữ liệu mẫu.
- Kết hợp lọc, sắp xếp và groupby để tạo một báo cáo nhỏ.
- Đọc một file dữ liệu thật, kiểm tra kiểu dữ liệu của từng cột và xử lý các giá trị không hợp lệ.
Lỗi hay gặp
Sai ký tự phân tách
File CSV kiểu châu Âu thường dùng dấu ;, nên mọi thứ dồn hết vào một cột.
pd.read_csv("data.csv")
pd.read_csv("data.csv", sep=";")
Bạn học xong bài này chưa?
Đánh dấu đã học để theo dõi tiến độ của bạn.