Procesamiento de Archivos CSV en Python para Análisis de Datos

Curso de Python: Comprehensions, Funciones y Manejo de Errores

Contenido del curso

Introducción

1
Curso Intermedio de Python: Manejo de Errores y Conceptos Avanzados
05:58 min

Conjuntos

Comprehensions

Funciones

Módulos

Manipulación de archivos y errores

Gráficas en Python

Próximos pasos

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:0015:49

Procesamiento de Archivos CSV en Python para Análisis de Datos

Curso de Python: Comprehensions, Funciones y Manejo de Errores

Clase 30 de 36

Clase 30 / 36

Recursos

¿Cómo trabajar con archivos CSV?

Los archivos CSV son una herramienta fundamental en el manejo y análisis de datos. Son ampliamente utilizados por equipos de finanzas y data science debido a su versatilidad para organizar información en filas y columnas. En este artículo, exploraremos cómo manejar archivos CSV que contienen datos de la población mundial y cómo podemos procesarlos para generar gráficos utilizando Python.

¿Dónde obtener datasets para tus proyectos?

El punto de partida para cualquier análisis de datos es contar con un buen dataset. Una plataforma muy recomendada para obtener datasets de calidad es Kaggle. En Kaggle, puedes encontrar una amplia variedad de datasets abiertos, incluidos conjuntos de datos de población mundial. Para descargar los datos, solo necesitas:

Registrarte en la plataforma.
Buscar "World Population Dataset" y descargarlo.
Extraer el contenido del archivo comprimido para obtener un archivo CSV listo para su uso.

¿Cómo leer un archivo CSV en Python?

Para trabajar con archivos CSV en Python, utilizamos un enfoque programático que nos permite manipular y explorar los datos de manera eficiente. A continuación, te mostramos cómo puedes leer un archivo CSV en Python paso a paso.

Paso 1: Configurar el entorno

Subir el archivo CSV: Antes de empezar a trabajar, debes subir el archivo worldpopulation.csv a la carpeta de tu proyecto y renombrarlo como data.csv.
Crear un módulo para leer el CSV: Crea un nuevo archivo Python, read_with_csv.py, donde desarrollarás el script para procesar el CSV.

Paso 2: Importar el módulo CSV de Python

Comienza por importar el módulo nativo csv de Python, el cual facilita la lectura y manipulación de archivos CSV.

import csv

Paso 3: Definir la función de lectura

Esta función leerá el archivo CSV y lo procesará:

def read_csv(file_path):
    with open(file_path, mode='r') as csv_file:
        reader = csv.reader(csv_file, delimiter=',')
        data = []
        for row in reader:
            print("Esto es una fila:", row)
            data.append(row)
        return data

¿Cómo transformar datos CSV en diccionarios?

Una vez que tenemos los datos del CSV, es crucial transformarlos en un formato de diccionario para facilitar su manipulación y consulta.

Paso 4: Extraer el encabezado

El encabezado del CSV nos proporcionará los nombres de las columnas, que serán las claves en nuestros diccionarios:

header = next(reader)

Paso 5: Convertir filas en diccionarios

Utilizamos zip para crear pares clave-valor con el encabezado y cada fila del CSV, generando así una lista de diccionarios:

for row in reader:
    country_data = {key: value for key, value in zip(header, row)}
    data.append(country_data)

¿Cómo ejecutar el script como un programa independiente?

Configura tu módulo para que funcione tanto como parte del proyecto como un script independiente:

if __name__ == "__main__":
    data = read_csv('app/data.csv')
    print(data[0])

¿Qué conclusiones podemos extraer al manipular datos CSV?

Trabajar con archivos CSV nos permite extraer información valiosa de manera estructurada. Al transformar un CSV en un formato de diccionario, accedemos de forma más sencilla y eficiente a los datos, facilitando análisis posteriores como la generación de gráficos.

Recuerda que cada dataset cuenta una historia diferente. Te animamos a explorar este archivo CSV sobre población mundial y descubrir datos curiosos que podrías graficar subsecuentemente. La habilidad para manejar y transformar datos es un recurso invaluable en un mundo impulsado por la información. ¡Sigue practicando y perfeccionando tus habilidades en análisis de datos!

Juan Pablo Quispe Molina

Hace 3 años

EXPLICACIÓN PASO A PASO

import csv
# Abre el archivo CSV en modo lectura
def read_csv(ruta_file):
    with open(ruta_file, mode='r') as csvfile:
        lector_csv = csv.reader(csvfile, delimiter=',')
        data = []
        # Lee la primera fila como las claves
        claves = next(lector_csv)
        for fila in lector_csv:
            # Crea un diccionario utilizando las claves y los valores de la fila actual
            iterable = zip(claves, fila)
            country_dict = {key: value for key, value in  iterable}
            data.append(country_dict)
        return data

if __name__ == '__main__':
    resultado = read_csv('./data.csv')
    print(resultado[0])

Aquí tienes una explicación paso a paso del código:

Importar la biblioteca csv:
```
import csv
```
Se importa la biblioteca csv, que proporciona funcionalidades para trabajar con archivos CSV en Python.
Definir una función read_csv:
```
def read_csv(ruta_file):
```
Se define una función llamada read_csv que toma como argumento ruta_file, que es la ruta al archivo CSV que se va a leer.
Abrir el archivo CSV en modo lectura:
```
with open(ruta_file, mode='r') as csvfile:
```
Se abre el archivo CSV especificado en modo lectura ('r') utilizando la función open. La declaración with se utiliza para garantizar que el archivo se cierre correctamente después de su uso.
Crear un lector CSV:
```
lector_csv = csv.reader(csvfile, delimiter=',')
```
Se crea un lector CSV utilizando la función csv.reader. El argumento delimiter=',' especifica que las columnas en el archivo CSV están separadas por comas.
Inicializar una lista data:
```
data = []
```
Se inicializa una lista llamada data que se utilizará para almacenar los datos del archivo CSV.
Leer la primera fila como claves:
```
claves = next(lector_csv)
```
Se utiliza next(lector_csv) para leer la primera fila del archivo CSV, que generalmente contiene las claves o nombres de las columnas. Estas claves se almacenan en la variable claves.
Iterar a través de las filas del archivo:
```
for fila in lector_csv:
```
Se inicia un bucle for que itera a través de las filas del archivo CSV después de la primera fila.
Crear un diccionario para cada fila:
```
iterable = zip(claves, fila)
country_dict = {key: value for key, value in  iterable}
```
Para cada fila, se crea un diccionario utilizando las claves (nombres de columnas) de la primera fila y los valores de la fila actual. Esto se hace utilizando la función zip para combinar las claves y los valores en pares, y luego se utiliza una comprensión de diccionario para crear el diccionario country_dict.
Agregar el diccionario a la lista de datos:
```
data.append(country_dict)
```
El diccionario country_dict, que representa una fila de datos, se agrega a la lista data.
Devolver la lista de datos:
```
return data
```
Finalmente, la función read_csv devuelve la lista data que contiene todos los datos del archivo CSV.
Llamada a la función desde el bloque principal:
```
if __name__ == '__main__':
    resultado = read_csv('./data.csv')
    print(resultado[0])
```
El código en este bloque principal verifica si el script se está ejecutando como un programa independiente (if __name__ == '__main__':). Luego, llama a la función read_csv con la ruta del archivo CSV "data.csv" y muestra la primera fila de datos en la lista resultante.

En resumen, este código define una función read_csv que lee un archivo CSV, convierte sus datos en diccionarios y los almacena en una lista. Luego, muestra la primera fila de datos recuperada del archivo CSV. Esto es especialmente útil cuando deseas trabajar con datos tabulares almacenados en archivos CSV en Python.

Comentarios (186)186 comentarios

David E Marquez S

Hace 4 años

Oliver Asero

Diego Jurado

Andres Felipe Galvis Cubillos

Patricia Velazquez

Eber Daniel Oré Vilchez

Pedro Matías Cuevas Meza

Leonardo Hurtado Valverde

Miguel Angel Reyes Moreno

Alexander Arias Capera

Sebastian Guzman Tenorio

Ruddy Ramos

leonardo alies fuentes

Emilio Ciappi

Jeinfferson Bernal G

Andrés Guerrero

JORGE RAFAEL ARISTIZABAL DIAZ GRANAD

Martin Leonardi

Eduardo Peña Ramos

Javier Andrés Carrillo Carrasco

Jhon Freddy Tavera Blandon

Carlos Rodríguez

Leonel Grisaleña

Carlos Arturo Gómez

David Alejandro Gómez Mesa

Rigoberto Martinez Madriz

Darwin Smith Hurtado Torres

ernesto lopez gonzalez

brayan miguel Oblitas Mejia

Ulises Alejandro Mánica Caricio

Erick Alay

Carolina Rocha

Alexandra Gabriela

Gabriel Londoño

Hace 2 años

adrian mateo pabon correa

iecgerman .

Jose Flores

Astrid Baquero Bernal

RODRIGO VALENCIA

Marco Osorio

Gonzalo Alvarez Camargo

Braulio Rangel

Introducción

Curso Intermedio de Python: Manejo de Errores y Conceptos Avanzados

Conjuntos

Conjuntos en Python: Propiedades y Uso Práctico

Manipulación de Conjuntos: Agregar, Remover y Actualizar Elementos

Operaciones Fundamentales con Conjuntos en Python

Comprehensions

List Comprehension en Python: Sintaxis y Ejemplos Prácticos

Comprensión de Diccionarios en Python: Ejemplos y Aplicaciones

Dictionary Comprehension con Condicionales en Python

Comparación de Listas, Tuplas y Conjuntos en Python

Funciones

Funciones en Programación: Creación y Uso en Python

Funciones en Python: Retorno de Valores y Reutilización de Código

Funciones en Python: Retorno múltiple y valores por defecto

Entendiendo el Scope en Python: Variables y Funciones

Refactorización de Juegos en Python: Uso de Funciones

Funciones Lambda en Python: Sintaxis y Aplicaciones Prácticas

Funciones de Orden Superior en Python: Concepto y Ejemplos Prácticos

Uso de la función map en Python para transformar listas

Transformaciones con Map en Diccionarios Complexos

Manejo de referencias en memoria con diccionarios y map en Python

Filtrado de listas con Filter en Python

Uso de Reduce en Python para Manipular Listas

Módulos

Módulos en Python: Uso y Ejemplos Prácticos

Creación y Uso de Módulos en Python

Manejo de la dualidad de módulos en Python: script y módulo

Paquetes en Python: Creación y Uso de Módulos

Manipulación de archivos y errores

Control manual de iteradores en Python con next

Errores y Excepciones en Python: Identificación y Manejo Básico

Manejo de Errores en Python: Uso de Try y Except

Lectura y manejo de archivos de texto en Python

Lectura y escritura de archivos de texto en Python

Procesamiento de Archivos CSV en Python para Análisis de Datos

Gráficas en Python

Gráficas con Matplotlib: Bar Chart y Pie Chart en Python

Proyecto Final: Análisis Poblacional con Python y Gráficas

Gráficos de Torta con Datos Filtrados en Python

Próximos pasos

Revisión y Mejora de Proyectos Estudiantiles

Reconoce tu proceso y certifícate

Manejo Avanzado de Estructuras de Datos en Python

Procesamiento de Archivos CSV en Python para Análisis de Datos