Trabajo con Archivos CSV en Python: Una Guía Completa

El manejo de archivos CSV (Comma Separated Values) es una habilidad fundamental para cualquier desarrollador que trabaja con datos. Los archivos CSV son ampliamente utilizados por su simplicidad y facilidad de uso. En este post, exploraremos cómo trabajar con archivos CSV en Python utilizando tanto la biblioteca estándar csv como la biblioteca pandas, que es especialmente popular en el análisis de datos.

¿Qué es un Archivo CSV?

Un archivo CSV es un archivo de texto que usa una coma para separar los valores. Cada línea del archivo corresponde a una fila de datos, y cada columna está separada por comas. Este formato es muy común en aplicaciones de hojas de cálculo y bases de datos, lo que lo convierte en una opción preferida para el intercambio de datos.

Leyendo Archivos CSV con la Biblioteca csv

Python proporciona una biblioteca estándar llamada csv que facilita la lectura y escritura de archivos CSV. Aquí te mostramos cómo leer un archivo CSV utilizando esta biblioteca.

import csv

# Leer un archivo CSV
with open('archivo.csv', mode='r', newline='') as archivo:
    lector_csv = csv.reader(archivo)
    for fila in lector_csv:
        print(fila)

Explicación del Código:

• Importamos el módulo csv.
• Abrimos el archivo CSV en modo lectura ('r').
• Usamos csv.reader() para leer el archivo.
• Iteramos sobre el objeto lector y imprimimos cada fila.

Escribiendo Archivos CSV con la Biblioteca csv

De manera similar, podemos escribir datos en un archivo CSV con el mismo módulo.

import csv

# Datos a escribir
datos = [['Nombre', 'Edad', 'Ciudad'],
         ['Alice', '30', 'New York'],
         ['Bob', '25', 'Los Angeles']]

# Escribir en un archivo CSV
with open('nuevo_archivo.csv', mode='w', newline='') as archivo:
    escritor_csv = csv.writer(archivo)
    escritor_csv.writerows(datos)

Explicación del Código:

• Definimos una lista de listas que contiene nuestros datos.
• Abrimos un nuevo archivo CSV en modo escritura ('w').
• Usamos csv.writer() para crear un objeto escritor.
• Escribimos varias filas de datos utilizando writerows().

Leyendo Archivos CSV con pandas

Otra forma más potente y flexible de trabajar con archivos CSV es utilizando la biblioteca pandas. pandas nos permite cargar directamente el archivo CSV en un DataFrame, que es una estructura de datos tabular.

Leyendo un CSV con pandas

import pandas as pd

# Cargar un archivo CSV en un DataFrame
df = pd.read_csv('archivo.csv')

# Mostrar las primeras filas del DataFrame
print(df.head())

Explicación del Código:

• Importamos la biblioteca pandas.
• Usamos pd.read_csv() para cargar el archivo en un DataFrame.
• head() nos muestra las primeras cinco filas del DataFrame.

Escribiendo Archivos CSV con pandas

Escribir un DataFrame a un archivo CSV es igual de sencillo.

import pandas as pd

# Crear un DataFrame
datos = {
    'Nombre': ['Alice', 'Bob'],
    'Edad': [30, 25],
    'Ciudad': ['New York', 'Los Angeles']
}
df = pd.DataFrame(datos)

# Guardar el DataFrame en un archivo CSV
df.to_csv('nuevo_archivo_pandas.csv', index=False)

Explicación del Código:

• Creamos un diccionario con datos, que convertimos en un DataFrame.
• Utilizamos to_csv() para guardar el DataFrame en un archivo CSV, sin incluir el índice de los DataFrame.

Consejos y Buenas Prácticas

1. Manejo de Errores: Siempre maneja errores al abrir archivos CSV utilizando bloques try-except para evitar que tu programa se interrumpa inesperadamente.
2. Codificación: Asegúrate de especificar la codificación correcta (por ejemplo, encoding='utf-8') si trabajas con caracteres especiales.
3. Uso de Pandas para Análisis: Si planeas realizar análisis de datos, pandas es mucho más eficiente y proporciona herramientas más robustas que la biblioteca csv.

Conclusión

Trabajar con archivos CSV en Python es simple y directo gracias a las bibliotecas csv y pandas. Saber cómo leer y escribir CSV es esencial para cualquier tarea de análisis de datos o manipulación de información. Con las habilidades adquiridas en este post, podrás integrar fácilmente archivos CSV en tus proyectos de Python.

Explora y experimenta con ambos métodos para encontrar cuál se adapta mejor a tus necesidades. ¡Feliz codificación!