Trabalhando com arquivos CSV em Python: leitura, escrita e processamento

Treinador Online de Python para Iniciantes

Aprenda Python facilmente sem sobrecarga teórica. Resolva tarefas práticas com verificação automática e escreva código diretamente no navegador.

Start Course

Trabalhando com arquivos CSV em Python

CSV (Comma Separated Values) é um dos formatos mais comuns para armazenar dados tabulares. Este formato é amplamente utilizado em diversas áreas: desde exportação de planilhas Excel até troca de informações entre serviços web e bancos de dados.

Python oferece ferramentas eficientes para trabalhar com arquivos CSV. Você pode usar o módulo básico csv ou a poderosa biblioteca pandas para análise de dados. Neste artigo, abordaremos métodos de leitura e escrita de arquivos CSV, processamento de dados, prevenção de erros e otimização de desempenho ao lidar com arquivos grandes.

Fundamentos do formato CSV

Estrutura de um arquivo CSV

CSV é um formato de texto simples. Cada linha do arquivo contém um registro. Os valores em cada registro são separados por caracteres especiais. Por padrão, usa-se a vírgula, mas também podem ser usados ponto e vírgula, tabulação ou barra vertical.

O conteúdo de um arquivo CSV padrão é assim:

Nome,Idade,Cidade
Ana,25,São Paulo
João,30,Rio de Janeiro

Vantagens do formato CSV

O formato CSV possui várias vantagens importantes:

Estrutura simples e legível
Suporte pela maioria dos programas e linguagens de programação
Tamanho de arquivo reduzido em comparação com outros formatos
Possibilidade de edição em editores de texto
Versatilidade para troca de dados entre diferentes sistemas

Trabalhando com CSV usando o módulo csv

Leitura básica de arquivos CSV

O módulo padrão csv do Python é ideal para operações básicas com arquivos CSV. Para ler dados de forma simples, use a seguinte abordagem:

import csv

with open("dados.csv", newline='', encoding='utf-8') as f:
    reader = csv.reader(f)
    for row in reader:
        print(row)

Resultado da execução:

['Nome', 'Idade', 'Cidade']
['Ana', '25', 'São Paulo']
['João', '30', 'Rio de Janeiro']

Leitura usando cabeçalhos

Para trabalhar com colunas nomeadas de forma mais prática, use csv.DictReader:

with open("dados.csv", encoding='utf-8') as f:
    reader = csv.DictReader(f)
    for row in reader:
        print(row["Nome"], row["Cidade"])

Este método cria automaticamente dicionários para cada linha. As chaves são os valores da primeira linha do arquivo.

Escrevendo dados em um arquivo CSV

Escrita simples de linhas

A forma básica de escrever dados usa csv.writer:

with open("saida.csv", mode='w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerow(["Nome", "Idade"])
    writer.writerow(["Carlos", 35])

Escrita de dados em dicionário

Para escrever dados estruturados, use csv.DictWriter:

dados = [
    {"Nome": "Maria", "Idade": 28},
    {"Nome": "Alex", "Idade": 40},
]

with open("pessoas.csv", "w", newline='', encoding='utf-8') as f:
    writer = csv.DictWriter(f, fieldnames=["Nome", "Idade"])
    writer.writeheader()
    writer.writerows(dados)

Configuração de parâmetros de leitura e escrita

O módulo csv permite configurar vários parâmetros:

delimiter: define o delimitador de campos
quotechar: caractere para envolver valores entre aspas
skipinitialspace: ignorar espaços após o delimitador
lineterminator: caractere de fim de linha

Trabalhando com CSV na biblioteca pandas

Instalação e importação do pandas

A biblioteca pandas oferece recursos mais poderosos para trabalhar com arquivos CSV:

pip install pandas

Leitura de arquivos CSV com pandas

O método principal para ler arquivos CSV:

import pandas as pd

df = pd.read_csv("dados.csv")
print(df.head())

Isso carrega os dados em um DataFrame, uma estrutura de dados tabular que facilita análises complexas.

Escrevendo CSV com pandas

Para salvar um DataFrame como CSV:

df.to_csv("novo_arquivo.csv", index=False, encoding='utf-8')

O parâmetro index=False evita que o índice do DataFrame seja salvo como uma coluna extra.

Dicas de otimização e boas práticas

Tratamento de erros comuns

Ao trabalhar com CSV, alguns erros frequentes incluem:

Problemas de codificação: sempre especifique encoding='utf-8'
Delimitadores incorretos: verifique se o arquivo usa vírgula, ponto e vírgula ou tabulação
Valores ausentes: use parâmetros como na_values no pandas para tratar dados faltantes