Pandas read_csv() : lire des fichiers CSV dans Python

Python Pandas read_csv() est l’une des méthodes les plus utilisées pour charger des données depuis des fichiers CSV et les stocker dans un DataFrame. Les fichiers CSV (Comma-separated Values) sont un format largement utilisé pour stocker des données tabulaires et sont supportés par de nombreux programmes.

Syntaxe de Python Pandas read_csv()

La fonction pandas.read_csv() crée un Pandas DataFrame basé sur un fichier CSV. Elle peut recevoir une grande variété de paramètres qui spécifient le comportement de la fonction. Par souci de clarté, nous n’aborderons ici que les arguments les plus importants et les plus fréquemment utilisés. Pour une liste plus détaillée, consultez la documentation Pandas dédiée.

La syntaxe de base de la fonction est simple et ressemble à ceci :

import pandas as pd
df = pd.read_csv(filepath_or_buffer, sep=',', header='infer', names=None, index_col=None, usecols=None, dtype=None, ...)

Paramètres pertinents

Vous trouverez ci-dessous un aperçu des paramètres les plus importants :

Guide pas à pas pour accéder aux fichiers CSV

En utilisant pandas.read_csv(), vous pouvez transférer des données depuis des fichiers CSV en quelques étapes seulement dans Python.

Dans les exemples qui suivent, nous allons travailler avec un fichier CSV selon le modèle suivant :

1,Maxime Mortier,35,Paris,50000
2,Anna Frelon,29,Lyon,62000
3,Pierre Corbet,41,Marseille,58000
4,Lisa Beaufort,33,Toulouse,49000
5,Tom Verron,28,Bordeaux,52000

Étape 1 : importer la bibliothèque Pandas

Dans un premier temps, vous devez importer la bibliothèque Pandas dans votre script Python.

import pandas as pd

Étape 2 : charger le fichier CSV

Vous pouvez maintenant charger votre fichier CSV avec la fonction Python Pandas read_csv(). Pour cela, il suffit de passer le chemin de fichier à la fonction. Dans l’exemple de code suivant, nous considérons un fichier nommé data.csv, qui est enregistré dans le même répertoire que le script :

df = pd.read_csv(data.csv')

Le code sauvegarde le fichier dans un objet DataFrame df, avec lequel vous pouvez maintenant continuer à travailler. Pandas interprète automatiquement la première ligne comme des en-têtes de colonne, sauf indication contraire.

Étape 3 : afficher le fichier CSV

Pour s’assurer que le fichier a été correctement chargé, il est utile de visualiser les premières lignes du DataFrame. Pour cela, vous pouvez utiliser la fonction DataFrame.head(). Elle affiche par défaut les cinq premières lignes du DataFrame. Cela permet d’avoir un aperçu rapide de la structure des données :

print(df.head())

La sortie est alors la suivante :

0 1 Max Mortier 35 Paris 50000
1 2 Anna Frelon 29 Lyon 62000
2 3 Pierre Corbet 41 Marseille 58000
3 4 Lisa Beaufort 33 Toulouse 49000
4 5 Tom Verron 28 Bordeaux 52000

Étape 4 : modifier le nom des colonnes (facultatif)

Si votre fichier CSV n’a pas de ligne d’en-tête, vous pouvez définir manuellement les noms des colonnes :

df = pd.read_csv('data.csv', header=None, names=['Colonne1', 'Colonne2', 'Colonne3', 'Colonne4', 'Colonne5'])

Dans cet exemple, les colonnes ont été nommées manuellement Colonne1, Colonne2, Colonne3, Colonne4 et Colonne5. Le code renvoie le résultat :

Colonne1  Colonne2       Colonne3         Colonne4  Colonne5     Colonne6
0         1              Max Mortier      35        Paris        50000
1         2              Anna Frelon      29        Lyon         62000
2         3              Pierre Corbet    41        Marseille    58000
3         4              Lisa Beaufort    33        Toulouse     49000
4         5              Tom Verron       28        Bordeaux     52000