read_csv et ses options utiles
Séparateurs, en-têtes et colonnes d’index
read_csv et ses options utiles est une leçon Data Science Academy gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Data Science Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Data Science Academy comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
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. 🎉
Questions Fréquemment Posées
La leçon « read_csv et ses options utiles » est-elle gratuite ?
Oui — le texte complet de « read_csv et ses options utiles » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Data Science Academy, passe à CoddyKit PRO. Le cours Data Science Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « read_csv et ses options utiles » ?
Séparateurs, en-têtes et colonnes d’index Tu pratiques Data Science Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Data Science Academy ?
Aucune expérience préalable n'est requise. Data Science Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « read_csv et ses options utiles » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Data Science Academy ?
Oui. Chaque leçon Data Science Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- read_csv et ses options utiles
- Ouvrir des feuilles Excel dans pandas
- Analyser les dates et définir les dtypes au chargement
- Enregistrer les résultats en CSV et Excel