# Pandas read\_csv(): come caricare file CSV in Python La funzione `read_csv()` di [Pandas in Python](https://www.ionos.it/digitalguide/siti-web/programmazione-del-sito-web/pandas-di-python/) è uno dei metodi usati più di frequente per **ricavare dati da un file CSV e salvarli in formato DataFrame**. I file CSV (“comma separated values”) si usano di frequente per memorizzare dati tabellari e sono compatibili con molti programmi e strumenti di analisi di dati. ## Sintassi di `read_csv()` di Pandas in Python La funzione `pandas.read_csv()` crea un [DataFrame in Pandas](https://www.ionos.it/digitalguide/siti-web/programmazione-del-sito-web/dataframe-in-pandas-per-python/) basato su un file CSV. Può **accettare una serie di parametri diversi** che determinano il comportamento della funzione. Di seguito ci concentreremo solo su uno di questi parametri. Un elenco dettagliato dei parametri disponibili è contenuto nella [documentazione di Pandas](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html "Documentazione di Pandas su read_csv()"). La sintassi di base della funzione è semplice e si presenta come segue: ```python import pandas as pd df = pd.read_csv(filepath_or_buffer, sep=',', header='infer', names=None, index_col=None, usecols=None, dtype=None, ...) ``` ### Parametri rilevanti Di seguito ti forniamo una panoramica dei parametri più importanti:
Parametro Significato Valore predefinito
`filepath_or_buffer` È una [stringa in Python](https://www.ionos.it/digitalguide/siti-web/programmazione-del-sito-web/formattazione-delle-stringhe-in-python/) (percorso del file) o un file buffer, ad esempio un [URL](https://www.ionos.it/digitalguide/server/know-how/url-che-cose-uno-uniform-resource-locator/).
`sep` Viene usato per specificare il separatore fra i valori. `,`
`header` Indica quale riga del file CSV deve essere utilizzata come intestazione delle colonne. `infer` (prima riga)
`names` Se non viene specificata alcuna intestazione `header=None` puoi indicare una [lista Python](https://www.ionos.it/digitalguide/siti-web/programmazione-del-sito-web/liste-in-python/) `names` per le colonne.
`index_col` Specifica quale colonna del file deve essere utilizzata come indice del DataFrame. `None`
`usecols` Permette di selezionare solo alcune colonne da caricare nel DataFrame. `None`
`dtype` Permette di definire il tipo di dato per ciascuna colonna del DataFrame. `None`
## Guida per accedere ai file CSV Con `pandas.read_csv()` è possibile trasferire i dati dai file CSV in Python in pochi semplici passi. Di seguito trovi un breve esempio in cui il file CSV con il seguente schema viene trasferito in Python: ```none 1,Mario Rossi,35,Roma,50000 2,Anna Bianchi,29,Milano,62000 3,Paolo Russo,41,Firenze,58000 4,Laura Romano,33,Napoli,49000 5,Matteo Ferrari,28,Venezia,52000 ``` ### Primo passaggio: importare Pandas Il primo passaggio consiste nell’importare la libreria Pandas all’interno dello script Python: ```python import pandas as pd ``` ### Secondo passaggio: caricare il file CSV Ora puoi usare la funzione di Python Pandas `read_csv()`per caricare il file CSV. A tal proposito devi trasferire il **percorso del file** alla funzione. Nel seguente snippet di codice prendiamo in esame un file chiamato “dati.csv” salvato nella stessa directory dello script: ```python df = pd.read_csv('dati.csv') ``` Il codice carica il file CSV e lo salva in un DataFrame chiamato`df`. Questo oggetto può essere utilizzato per eseguire ulteriori operazioni ed elaborazioni sui dati. Se non diversamente specificato, **Pandas interpreta automaticamente la prima riga come intestazione di colonna**. ### Terzo passaggio: visualizzare il file CSV Per verificare che il file sia stato caricato correttamente, puoi **esaminare le prime righe del DataFrame** utilizzando la funzione `DataFrame.head()`. Questa funzione, per impostazione predefinita, visualizza le prime cinque righe del DataFrame, offrendo una rapida panoramica della struttura dei dati. ```python print(df.head()) ``` L’output è il seguente: ```none 0 1 Mario Rossi 35 Roma 50000 1 2 Anna Bianchi 29 Milano 62000 2 3 Paolo Russo 41 Firenze 58000 3 4 Laura Romano 33 Napoli 49000 4 5 Matteo Ferrari 28 Venezia 52000 ``` ### Quarto passaggio: modificare i nomi delle colonne (facoltativo) Se il file CSV non contiene una riga di intestazione, puoi definire manualmente i nomi delle colonne: ```python df = pd.read_csv('dati.csv', header=None, names=['Colonna1', 'Colonna2', 'Colonna3', 'Colonna4', 'Colonna5']) ``` In questo esempio, le colonne sono state denominate manualmente “Colonna1, Colonna2, Colonna3, Colonna4” e “Colonna5”. Il codice emette quindi il seguente output: ```none Colonna1 Colonna2 Colonna3 Colonna4 Colonna5 0 1 Mario Rossi 35 Roma 50000 1 2 Anna Bianchi 29 Milano 62000 2 3 Paolo Russo 41 Firenze 58000 3 4 Laura Romano 33 Napoli 49000 4 5 Matteo Ferrari 28 Venezia 52000 ``` N.B. Il file CSV usato nell’esempio non contiene una grande quantità di dati. Se dovessi avere a che fare con un **file CSV molto grande** che potrebbe causare problemi di memoria puoi leggere il file in piccoli pezzi utilizzando il parametro `chunksize` di `pandas.read_csv()`. Questo parametro permette di specificare quante righe devono essere lette per ogni iterazione, evitando il caricamento completo del file in memoria. Con un [ciclo for su Python](https://www.ionos.it/digitalguide/siti-web/programmazione-del-sito-web/ciclo-for-su-python/) potrai quindi iterare sui singoli blocchi (chunk). This is a markdown version of: [https://www.ionos.it/digitalguide/siti-web/programmazione-del-sito-web/read-csv-di-pandas-per-python/](https://www.ionos.it/digitalguide/siti-web/programmazione-del-sito-web/read-csv-di-pandas-per-python/) for AI/LLM consumption.