read_csv i jego przydatne opcje
Separatory, nagłówki i kolumny indeksu
read_csv i jego przydatne opcje to bezpłatna lekcja Data Science Academy na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Data Science Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Data Science Academy zawiera 4 lekcji w sumie.
Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.
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. 🎉
Często zadawane pytania
Czy lekcja „read_csv i jego przydatne opcje” jest bezpłatna?
Tak — pełny tekst „read_csv i jego przydatne opcje” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Data Science Academy, przejdź na CoddyKit PRO. Kurs Data Science Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „read_csv i jego przydatne opcje”?
Separatory, nagłówki i kolumny indeksu Ćwiczysz Data Science Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Data Science Academy?
Nie wymagamy żadnego doświadczenia. Data Science Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.
Ile czasu zajmuje lekcja „read_csv i jego przydatne opcje”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Data Science Academy?
Tak. Każda lekcja Data Science Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- read_csv i jego przydatne opcje
- Otwieranie arkuszy Excela w pandas
- Parsowanie dat i ustawianie dtypes podczas wczytywania
- Zapisywanie wyników do CSV i Excela