Как сделан этот пример
| Режим | «Пишем статью (с разделами)» |
|---|---|
| Нейросеть | Gemma 4 31B (бесплатно, на своём компьютере через LM Studio) Это открытая модель Google. Та же модель доступна и без мощного компьютера: бесплатно, по тому же ключу Google AI Studio, что и Gemini. |
| Тема и ключевые слова | Как прочитать CSV-файл в Python: пять способов · python csv, чтение csv, pandas read_csv, модуль csv |
| Стиль | понятный начинающему программисту, с короткими примерами кода |
| Картинки | ClipCloud, стиль «illustration» |
| Объём | 5 898 символов (в настройках было установлено от 5000 до 7000 символов) |
CSV-файлы стали стандартом для обмена данными: их умеет создавать почти любая программа, от CRM до систем логирования. В Python есть несколько подходов к чтению таких файлов: от встроенных инструментов для простых задач до мощных библиотек для анализа миллионов строк.
Вы подберете подходящий метод под свою задачу. Если файл маленький и простой, хватит обычного open() и split(','). Для серьезной работы с таблицами лучше взять pandas: pd.read_csv('file.csv'). Разберем, когда какой способ работает быстрее и проще.
Базовый модуль csv для простых списков

Стандартный модуль csv работает «из коробки» и идеально подходит для простых задач. Основной инструмент здесь: функция csv.reader. Она превращает каждую строку файла в список строк, где элементами становятся значения, разделенные запятыми или другими спецсимволами.
Пример базового чтения:
import csv
with open('data.csv', newline='', encoding='utf-8') as f:
reader = csv.reader(f)
for row in reader:
print(row)
Нюансы использования:
- Типы данных: модуль не определяет типы автоматически. Все данные приходят в виде строк. Для расчетов используйте
int()илиfloat(). - Разделители: если в файле вместо запятой используется точка с запятой или табуляция, передайте параметр
delimiter=';'илиdelimiter='t'. - Экономия памяти:
csv.readerсоздает итератор. Это значит, что Python читает файл построчно, а не загружает весь объем данных в ОЗУ сразу.
Если первая строка файла содержит названия колонок (заголовки), их можно легко отсечь с помощью команды next(reader) перед запуском основного цикла for. Так вы начнете обработку сразу с полезных данных.
Чтение данных в словари через DictReader

Если в CSV-файле есть строка с заголовками, удобнее использовать csv.DictReader. Этот инструмент превращает каждую строку не в простой список, а в словарь. Ключами становятся названия колонок из первой строки файла, а значениями: данные из текущей строки. Это избавляет от необходимости считать индексы вроде row[0] или row[1], что делает код нагляднее и защищает от ошибок, если порядок столбцов в файле внезапно изменится.
import csv
with open('users.csv', newline='', encoding='utf-8') as f:
reader = csv.DictReader(f)
for row in reader:
print(f"Имя: {row['name']}, Возраст: {row['age']}")
Преимущества этого подхода:
- Понятный код: сразу видно, какое поле используется.
- Стойкость к изменениям: добавление новых колонок в середину файла не ломает логику программы.
- Автоматизация: Python сам сопоставляет данные с именами полей.
Если файл идет без заголовков, их можно задать вручную через параметр fieldnames:
reader = csv.DictReader(f, fieldnames=['name', 'age', 'city'])
Мощный инструмент pandas read_csv
Когда данных становится много или нужно проводить серьезный анализ, стандартных средств мало. На помощь приходит pandas: библиотека, которая превращает CSV в DataFrame. Это полноценная таблица в памяти Python, напоминающая лист Excel, но с возможностями программирования.
Главный плюс pandas: автоматизация. Он сам определяет заголовки, распознает числа, а даты разбирает, если указать параметр parse_dates. Еще он умеет корректно обрабатывать пустые ячейки. Вам не нужно перебирать строки в цикле, чтобы найти нужное значение.
import pandas as pd
df = pd.read_csv('data.csv')
print(df.head())
Для работы со сложными файлами используйте эти параметры:
| Параметр | Зачем нужен |
|---|---|
| sep | задает разделитель (например, sep=';') |
| index_col | назначает столбец индексом строк |
| usecols | загружает только перечисленные колонки |
| encoding | указывает кодировку (например, ‘utf-8’ или ‘cp1251’) |
С pandas можно за пару строк отфильтровать тысячи записей, посчитать среднее по столбцу или объединить несколько таблиц в одну.
Работа с числовыми массивами через NumPy
Если файл содержит только числа, а ваша цель: математические расчеты или работа с матрицами, используйте NumPy. Эта библиотека работает с данными гораздо быстрее, чем стандартные списки, и занимает меньше памяти за счет использования однотипных массивов. Для чтения CSV здесь есть две основные функции: loadtxt и genfromtxt. Первая работает быстрее, но выдает ошибку при наличии пустых ячеек. Вторая более гибкая: она умеет обрабатывать пропуски и заполнять их значениями по умолчанию.
Пример простого импорта:
import numpy as np
data = np.genfromtxt('data.csv', delimiter=',')
print(data)
Если в начале файла идут текстовые заголовки, их нужно пропустить с помощью аргумента skip_header, иначе NumPy попытается превратить текст в числа:
data = np.genfromtxt('data.csv', delimiter=',', skip_header=1)
Главные особенности NumPy при работе с CSV:
- Типизация: по умолчанию все данные становятся числами с плавающей точкой (float).
- Скорость: операции с массивами выполняются на уровне языка C, что в десятки раз быстрее обычных циклов Python.
- Компактность: данные хранятся в памяти плотнее, чем в стандартных списках.
Этот метод идеален для научных расчетов, обработки сигналов или обучения нейросетей, где CSV выступает просто как хранилище измерений или координат.
Простой метод через open и split
Если файл крошечный, а импортировать модули не хочется, можно обойтись стандартным открытием текстового файла. Это самый примитивный способ: Python читает строку как обычный текст, а вы сами режете ее на части.
with open('data.csv', 'r', encoding='utf-8') as f:
for line in f:
row = line.strip().split(',')
print(row)
Здесь происходят две вещи: метод strip() убирает лишние пробелы и символ переноса строки в начале и в конце строки, а split(',') превращает строку в список, используя запятую как разделитель. Все данные при этом остаются строками: если в файле было число 10, в списке будет '10'. Чтобы работать с ним как с числом, придется преобразовать его через int() или float().
Этот метод работает быстро, но он крайне ненадежен. Он сломается, если внутри ячейки встретится запятая в кавычках, например: "Иванов, Иван",25. В таком случае split просто разрежет имя пополам, и структура таблицы поплывет.
Когда использовать этот подход:
- Файл гарантированно простой и маленький.
- В данных нет кавычек и спецсимволов.
- Нужно максимально быстро глянуть содержимое файла без лишнего кода.
Текст этой записи сгенерирован ClipAI, а картинки нарисовал ClipCloud, чтобы показать, как работают программы. На страницах без этой пометки текст написан людьми.
