pandas read_csv(): đọc file CSV vào DataFrame
Bài 1/12 · Chương 3
Đọc và ghi dữ liệu
- 7 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 13
Hàm pd.read_csv() của pandas đọc file CSV thành một DataFrame: dòng đầu của file thành tên cột, mỗi dòng sau thành một dòng của bảng, và mỗi cột được đoán một kiểu. Bạn dùng nó mỗi khi nhận một file xuất từ phần mềm bán hàng, Google Sheets hay Excel và muốn đếm, cộng, lọc trên đó bằng vài dòng code.
Cần biết trước: DataFrame, dtype và astype() và đọc file CSV bằng module csv.
Đọc file CSV thành DataFrame
File khach_hang.csv của bộ dữ liệu thực hành có 400 khách hàng tự đặt tên, mỗi dòng một người. Việc đầu tiên sau khi đọc một file lạ là hỏi bảng to cỡ nào và mỗi cột mang kiểu gì:
import pandas as pd
khach = pd.read_csv("khach_hang.csv")
print(khach.shape)
print(khach.dtypes)KẾT QUẢ
(400, 6)
ma_kh str
ho_ten str
gioi_tinh str
nam_sinh int64
tinh str
ngay_dang_ky str
dtype: objectshape cho biết bảng có 400 dòng dữ liệu và 6 cột; dòng tên cột không tính. Module csv của Python trả mọi ô về chuỗi, còn read_csv() xem cả cột rồi đoán kiểu: cột toàn chữ số thành int64, cột có chữ thành str. Hãy hình dung nó như một người nhập liệu nhanh tay mà không hỏi lại: cột nào toàn chữ số thì ghi thành số, kể cả cột mã như 0007, và số 0 đầu sẽ mất, như mục thứ tư cho thấy. Cột ngày ngay_dang_ky vẫn là str; tham số parse_dates=["ngay_dang_ky"] đọc thẳng thành kiểu ngày, bài to_datetime() dạy kỹ. Bài Blog đọc CSV và Excel bằng pandas đặt read_csv() cạnh read_excel() cho người muốn xem tổng quan.
Viết CSV ngay trong code bằng io.StringIO
read_csv() nhận cả tên file lẫn một đối tượng giống file. io.StringIO biến một chuỗi thành đối tượng như thế, nên một bảng nhỏ viết thẳng trong khối code được đọc y như file thật. Cách này tiện khi thử tham số, hay khi hỏi đáp mà không gửi kèm file:
import io
import pandas as pd
van_ban = """ma_sp,ten_sp,gia
0007,Bút bi xanh,5000
0120,Vở 96 trang,12000
3005,Thước kẻ 30 cm,8000
"""
sp = pd.read_csv(io.StringIO(van_ban))
print(sp)
print(sp["gia"].sum())KẾT QUẢ
ma_sp ten_sp gia
0 7 Bút bi xanh 5000
1 120 Vở 96 trang 12000
2 3005 Thước kẻ 30 cm 8000
25000Ba dòng sau dòng tên cột thành ba dòng của bảng, cột bên trái không tên là index pandas tự đánh từ 0. Cột ma_sp cũng đã thành số, mục thứ tư của bài quay lại chỗ này. Đổi 5000 thành 6000 rồi chạy lại: dòng cuối in 26000.
Chỉ đọc những cột cần dùng
Khi chỉ cần biết khách ở tỉnh nào, đọc cả sáu cột là thừa. usecols nhận list tên cột cần giữ; cột khác không được đọc vào bộ nhớ:
import pandas as pd
cot = ["tinh", "ma_kh", "ho_ten"]
khach = pd.read_csv("khach_hang.csv", usecols=cot)
print(khach.head(3))KẾT QUẢ
ma_kh ho_ten tinh
0 KH0001 Nguyễn Phương Hằng Hà Nội
1 KH0002 Nguyễn Phương Dung Cần Thơ
2 KH0003 Lê Mai Giang Hà NộiBảng giữ các cột theo thứ tự của chúng trong file, không theo thứ tự trong list cot: tinh viết đầu list nhưng đứng cuối. Muốn đổi thứ tự cột thì chọn lại sau khi đọc, như bài chọn cột chỉ.
Giữ số 0 đầu của mã bằng dtype
Mã hàng trên tem viết 0007, 0120. Muốn tra một mã hay so với file của phần mềm kho, bạn cần mã ở dạng chuỗi, đúng từng ký tự. Tham số dtype nhận một dict tên cột và kiểu muốn đọc:
import io
import pandas as pd
van_ban = """ma_sp,ten_sp,gia
0007,Bút bi xanh,5000
0120,Vở 96 trang,12000
"""
sp = pd.read_csv(io.StringIO(van_ban), dtype={"ma_sp": str})
print(sp["ma_sp"].to_list())
print(sp.dtypes)KẾT QUẢ
['0007', '0120']
ma_sp str
ten_sp str
gia int64
dtype: objectCột ghi trong dtype được đọc thẳng thành chuỗi, nên 0007 còn nguyên; các cột khác vẫn để pandas đoán.
Đọc file không phải UTF-8 bằng encoding
read_csv() mặc định đọc bảng mã UTF-8, bảng mã của hầu hết file ngày nay, nên chữ có dấu ở các mục trên đọc đúng mà không cần tham số. File có BOM, ba byte mà Excel ghi ở đầu file UTF-8, cũng đọc đúng: read_csv() tự bỏ BOM. File lưu bằng bảng mã khác, như "Unicode Text" của Excel (UTF-16), thì cần encoding nói đúng tên bảng mã. Ví dụ dưới tự ghi một file UTF-16 rồi đọc lại:
from pathlib import Path
import pandas as pd
noi_dung = "ma_kh,tinh\nKH01,Huế\nKH02,Đà Nẵng\n"
Path("excel_unicode.csv").write_text(noi_dung, encoding="utf-16")
khach = pd.read_csv("excel_unicode.csv", encoding="utf-16")
print(khach)KẾT QUẢ
ma_kh tinh
0 KH01 Huế
1 KH02 Đà NẵngKiểm tra nhanh
Trong ví dụ đọc khach_hang.csv ở mục đầu, cột nam_sinh có kiểu gì?
int64strfloat64
Trong ví dụ usecols, cột nào đứng đầu bảng in ra?
ma_khtinhho_ten
Sau
import iovàimport pandas as pd,pd.read_csv(io.StringIO("ma\n007\n"))["ma"].to_list()cho kết quả gì?[7]['007'][0, 0, 7]
read_csv() báo UnicodeDecodeError với file "Unicode Text" xuất từ Excel. Thêm tham số nào?
encoding="utf-16"encoding="utf-8"dtype=str
Bài tập
Đọc phiếu kho
Mỗi chi nhánh gửi một phiếu kho dạng CSV có bốn cột ma_sp, ten_sp, so_luong, ghi_chu, nhưng không cùng thứ tự cột và không cùng bảng mã. Viết thân hàm doc_phieu_kho(duong_dan, bang_ma): đọc file ở duong_dan bằng bảng mã bang_ma và chỉ giữ ba cột ma_sp, ten_sp, so_luong, theo thứ tự của chúng trong file.
Cột ma_sp phải giữ đúng từng ký tự, kể cả số 0 đầu như 0007. Index là index mặc định 0, 1, 2…
Trả về: bảng của phiếu kho, một DataFrame.
import pandas as pd
def doc_phieu_kho(duong_dan, bang_ma):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
pd.read_csv("ten_file.csv")đọc file thành DataFrame; dòng đầu thành tên cột,shapekhông tính dòng đó.io.StringIO(chuoi)choread_csv()đọc một CSV viết ngay trong code như một file.usecolschọn cột cần đọc và giữ thứ tự của file.dtype={"ma_sp": str}giữ nguyên mã như0007;astype(str)sau khi đọc thì đã muộn.read_csv()mặc định đọc UTF-8 và tự bỏ BOM; file UTF-16 haycp1258cầnencodingđúng tên.
Câu hỏi thường gặp
read_csv() báo UnicodeDecodeError thì sửa thế nào?
File không lưu bằng UTF-8. Thử encoding="utf-16" nếu file xuất bằng "Unicode Text" của Excel, encoding="cp1258" nếu file từ phần mềm Windows cũ. Trang UnicodeDecodeError khi đọc CSV đi qua từng trường hợp.
Mở file bằng Excel thấy lỗi font tiếng Việt, có phải đọc sai không?
Không: đó là chuyện của Excel khi mở file UTF-8 không có BOM, read_csv() vẫn đọc đúng. Muốn Excel mở đúng thì ghi file bằng to_csv(..., encoding="utf-8-sig"), như bài to_csv() chỉ.
File dùng dấu chấm phẩy hay có dòng tiêu đề thừa thì đọc sao?
Dùng các tham số sep, skiprows, header của bài read_csv nâng cao. Bài đó đọc cả số kiểu Việt Nam như 1.250.000 và dòng tổng cuối file.
read_csv() khác csv.reader của Python thế nào?
csv.reader trả từng dòng thành list chuỗi, bạn tự đổi kiểu và tự cộng. read_csv() trả cả bảng, đoán kiểu từng cột và tính trên cả cột một lần. File nhỏ, việc đơn giản thì module csv vẫn đủ.
Chủ đề
Dữ liệu của bài
- Tải xuống
khach_hang.csv
CSV · 22.97 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.