Как прочитать CSV-файл в Python: пять способов

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

Лист бумаги с таблицей в клетку и карандаши на светлом столе у окна

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() или float().
  • Разделители: если в файле вместо запятой используется точка с запятой или табуляция, передайте параметр delimiter=';' или delimiter='t'.
  • Экономия памяти: csv.reader создает 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

Картонная коробка с рядами бумажных карточек на светлом столе

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.

en_USEnglish