read_csv und seine nützlichen Optionen
Trennzeichen, Kopfzeilen und Indexspalten
read_csv und seine nützlichen Optionen ist eine kostenlose Data Science Academy-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Data Science Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
Data Lives in Files
Real analysis starts with a file on disk. The most common one in data science is the humble CSV: plain text, one row per line. 📄
One Function to Rule Them
pandas reads a CSV with a single call: read_csv. Hand it a path and you get back a ready-to-use DataFrame.
import pandas as pd
df = pd.read_csv("sales.csv")What Comes Back
read_csv returns a full DataFrame: rows, columns, and an automatic integer index. From here every pandas trick is available to you.
Not Always a Comma
Some files split values with a semicolon or tab instead. The sep option tells pandas exactly which character separates your columns.
df = pd.read_csv("data.csv", sep=";")When There Is No Header
If the first line is data, not column names, pass header=None so pandas does not steal a real row to use as labels.
df = pd.read_csv("raw.csv", header=None)Name Your Columns
Pair header=None with names to supply your own column labels in one clean step. Now every column reads clearly.
df = pd.read_csv("raw.csv", header=None,
names=["date", "item", "price"])Pick the Index Column
The index_col option promotes a column to be the row index, so lookups by that key feel natural later on.
df = pd.read_csv("sales.csv", index_col="order_id")Read Only What You Need
Huge file? The usecols option loads just the columns you list, saving memory and keeping your table focused.
df = pd.read_csv("big.csv",
usecols=["date", "amount"])Peek With nrows
Not sure a file is clean? Use nrows to read a small sample first, inspect it, then load the rest with confidence.
sample = pd.read_csv("big.csv", nrows=5)Decode Properly
Strange symbols in your text usually mean the wrong encoding. Setting it to utf-8 fixes most accented and non-English characters. ✅
df = pd.read_csv("names.csv", encoding="utf-8")Mark Missing as Missing
Files use odd tokens for blanks like NA or n/a. The na_values option turns those into real missing values pandas understands.
df = pd.read_csv("data.csv",
na_values=["NA", "n/a", "-"])Quick Check
Your CSV uses semicolons between values. Which option fixes the parse?
Recap: read_csv Mastered
You can now load any CSV: choose the separator, set headers and names, pick the index, trim columns, and flag missing values. 🎉
Häufig gestellte Fragen
Ist die Lektion „read_csv und seine nützlichen Optionen“ kostenlos?
Ja — der vollständige Text von „read_csv und seine nützlichen Optionen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Data Science Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „read_csv und seine nützlichen Optionen“?
Trennzeichen, Kopfzeilen und Indexspalten Du übst Data Science Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Data Science Academy zu starten?
Keine Vorkenntnisse erforderlich. Data Science Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.
Wie lange dauert die Lektion „read_csv und seine nützlichen Optionen“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Data Science Academy-Lektion Code schreiben und ausführen?
Ja. Jede Data Science Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- read_csv und seine nützlichen Optionen
- Excel-Tabellen in pandas öffnen
- Beim Laden Datumsangaben parsen und dtypes setzen
- Ergebnisse in CSV und Excel speichern