Bỏ qua đến nội dung chính
Mục lục

pandas read_csv(): đọc file CSV vào DataFrame

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 1/12 · Chương 3

Đọc và ghi dữ liệu

  • 7 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

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:

python
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: object

shape 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:

python
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
25000

Ba 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:

python
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 Nội

Bảng 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:

python
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: object

Cột 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:

python
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 Nẵng

Kiểm tra nhanh

  1. Trong ví dụ đọc khach_hang.csv ở mục đầu, cột nam_sinh có kiểu gì?

    • int64
    • str
    • float64
  2. Trong ví dụ usecols, cột nào đứng đầu bảng in ra?

    • ma_kh
    • tinh
    • ho_ten
  3. Sau import io và import pandas as pd, pd.read_csv(io.StringIO("ma\n007\n"))["ma"].to_list() cho kết quả gì?

    • [7]
    • ['007']
    • [0, 0, 7]
  4. read_csv() báo UnicodeDecodeError với file "Unicode Text" xuất từ Excel. Thêm tham số nào?

    • encoding="utf-16"
    • encoding="utf-8"
    • dtype=str
Đúng hết lần đầu +15 XP

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.

python
import pandas as pd

def doc_phieu_kho(duong_dan, bang_ma):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • pd.read_csv("ten_file.csv") đọc file thành DataFrame; dòng đầu thành tên cột, shape không tính dòng đó.

  • io.StringIO(chuoi) cho read_csv() đọc một CSV viết ngay trong code như một file.

  • usecols chọn cột cần đọc và giữ thứ tự của file.

  • dtype={"ma_sp": str} giữ nguyên mã như 0007; astype(str) sau khi đọc thì đã muộn.

  • read_csv() mặc định đọc UTF-8 và tự bỏ BOM; file UTF-16 hay cp1258 cần encoding đúng 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

pandas read csv

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

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.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập