# Cómo leer archivos CVS en Python con Pandas read\_csv() La función `read_csv()` de la [Biblioteca Python Pandas](https://www.ionos.mx/digitalguide/paginas-web/desarrollo-web/python-pandas/) es una de las funciones más utilizadas para **cargar datos de archivos CSV y almacenarlos en formato DataFrame**. Los archivos CSV (Comma-separated Values) son un formato ampliamente utilizado para almacenar datos tabulares porque son compatibles con muchos programas. ## Sintaxis de Python Pandas `read_csv()` La función `pandas.read_csv()` crea un [DataFrame de Pandas](https://www.ionos.mx/digitalguide/paginas-web/desarrollo-web/dataframes-de-pandas-python/) basado en un archivo CSV. Puede aceptar una variedad de parámetros diferentes que especifican el comportamiento de la función. A continuación, abordaremos solo los argumentos más importantes y comúnmente necesarios. Si quieres verlos todos, encontrarás una lista completa en la página oficial de [referencia de Pandas](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html "Referencia de Pandas acerca de read_csv()"). La sintaxis básica de la función es sencilla y se presenta de la siguiente manera: ```python import pandas as pd df = pd.read_csv(filepath_or_buffer, sep=',', header='infer', names=None, index_col=None, usecols=None, dtype=None, ...) ``` ### Parámetros relevantes A continuación, se presenta un resumen de los parámetros más importantes para la función `pandas.read_csv()`:
Parámetro Significado Valor predeterminado
`filepath_or_buffer` Es una [string de Python](https://www.ionos.mx/digitalguide/paginas-web/desarrollo-web/python-string-format/) (ruta del archivo) o un buffer de archivo como una [URL](https://www.ionos.mx/digitalguide/servidores/know-how/url-que-es-el-uniform-resource-locator/).
`sep` Aquí se especifica el delimitador entre los valores `,`
`header` Indica qué fila se utiliza como encabezado `infer` (primera fila)
`names` Si se establece `header=None` puedes proporcionar una [lista de Python](https://www.ionos.mx/digitalguide/paginas-web/desarrollo-web/python-list/) de nombres de columnas con `names`
`index_col` Especifica qué columna se utilizará como índice `None`
`usecols` Con este parámetro puedes seleccionar las columnas que deseas cargar en el DataFrame `None`
`dtype` Especifica el tipo de dato de las columnas `None`
## Instrucciones paso a paso para acceder a archivos CSV Con la función `pandas.read_csv()` puedes transferir datos de archivos CSV a Python en solo unos pocos pasos. En el siguiente ejemplo, trabajaremos con un archivo CSV que sigue el siguiente formato: ```none 1,John Pérez,35,Nueva York,50000 2,Adelaida Smith,29,Los Ángeles,62000 3,Michael Rivera,41,Chicago,58000 4,Luz Martínez,33,Houston,49000 5,Tyler Johnson,28,Miami,52000 ``` ### Paso 1: importar Pandas Primero, debes importar la biblioteca de Pandas en tu script de Python. ```python import pandas as pd ``` ### Paso 2: cargar el archivo CSV Ahora puedes cargar tu archivo CSV utilizando la función Pandas `read_csv()` en Python. Para ello, simplemente pasa a la función la **ruta del archivo**. En el siguiente ejemplo de código, consideramos un archivo llamado *datos.csv*, que se encuentra en el mismo directorio que el script: ```python df = pd.read_csv('daten.csv') ``` Este código almacena el archivo en un objeto DataFrame llamado `df`, con el que ahora se puede trabajar. **Pandas interpreta automáticamente la primera fila como encabezados de columna**, a menos que se indique lo contrario. ### Paso 3: mostrar el archivo CSV Para asegurarte de que el archivo se ha cargado correctamente, es recomendable visualizar las **primeras filas del DataFrame**. Para esto, puedes utilizar la función `DataFrame.head()`. De forma predeterminada, muestra las primeras cinco filas del DataFrame. Así obtienes una visión rápida de la estructura de los datos: ```python print(df.head()) ``` El resultado es el siguiente: ```none 0 1 John Pérez 35 Nueva York 50000 1 2 Adelaida Smith 29 Los Ángeles 62000 2 3 Michael Rivera 41 Chicago 58000 3 4 Luz Martínez 33 Houston 49000 4 5 Tyler Johnson 28 Miami 52000 ``` ### Paso 4: cambiar nombres de columnas (opcional) Si tu archivo CSV no tiene una fila de encabezado, puedes definir manualmente los nombres de las columnas: ```python df = pd.read_csv('daten.csv', header=None, names=['Columna1', 'Columna2', 'Columna3', 'Columna4', 'Columna5']) ``` En este ejemplo, las columnas se han nombrado manualmente como *Columna1, Columna2, Columna3, Columna4* y *Columna5*. El código devuelve como resultado: ```none Columna1 Columna2 Columna3 Columna4 Columna5 0 1 John Pérez 35 Nueva York 50000 1 2 Adelaida Smith 29 Los Ángeles 62000 2 3 Michael Rivera 41 Chicago 58000 3 4 Luz Martínez 33 Houston 49000 4 5 Tyler Johnson 28 Miami 52000 ``` Nota El archivo CSV utilizado como ejemplo no tiene muchos datos, por lo que es relativamente pequeño. Sin embargo, si ese no es el caso y tienes un **archivo CSV muy grande**, deberías leer el archivo en trozos para evitar problemas de memoria. Para esto, puedes utilizar el parámetro `chunksize` de `pandas.read_csv()`, que indica cuántas filas se deben leer por iteración. Puedes iterar sobre los trozos con un [bucle for en Python](https://www.ionos.mx/digitalguide/paginas-web/desarrollo-web/bucle-for-en-python/). This is a markdown version of: [https://www.ionos.mx/digitalguide/paginas-web/desarrollo-web/python-pandas-read-csv/](https://www.ionos.mx/digitalguide/paginas-web/desarrollo-web/python-pandas-read-csv/) for AI/LLM consumption.