# Hvordan laste inn filer i Python med pandas read\_csv()

Python pandas `read_csv()` er en av de mest brukte metodene for **å lese CSV-filer inn i pandas og lagre dem som DataFrames**. CSV-filer (*kommaseparerte verdier*) er et mye brukt format for lagring av tabelldata og støttes av mange applikasjoner.

## Hva er syntaksen for Python pandas `read_csv()`?

`pandas.read_csv()` oppretter en [pandas DataFrame](https://www.ionos.com/nb-no/digitalguide/nettsteder/webutvikling/python-pandas-dataframe/) fra en CSV-fil. Den grunnleggende syntaksen til funksjonen ser slik ut:

```python
import pandas as pd
df = pd.read_csv(filepath_or_buffer, sep=',', header='infer', names=None, index_col=None, usecols=None, dtype=None, ...)
```

### Hva er de viktigste parametrene for `pandas.read_csv()`?

`pandas.read_csv()` kan akseptere **en lang rekke parametere**. For å gjøre det enkelt, vil vi fokusere på de viktigste argumentene. Her er en oversikt over de viktigste parametrene du kan bruke til å spesifisere hvordan funksjonen skal oppføre seg:

<table>
  <thead>
    <tr>
      <th><strong>Parameter</strong></th>
      <th><strong>Betydning</strong></th>
      <th><strong>Standardverdi</strong></th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>`filepath_or_buffer`</td>
      <td>Dette er en Python-streng som representerer banen til CSV-filen eller en databuffer, for eksempel en URL.</td>
      <td></td>
    </tr>
    <tr>
      <td>`sep`</td>
      <td>Dette angir skilletegnet mellom verdiene.</td>
      <td>`,`</td>
    </tr>
    <tr>
      <td>`header`</td>
      <td>Angir hvilken rad som skal brukes som overskrift.</td>
      <td>`infer` (første rad)</td>
    </tr>
    <tr>
      <td>`names`</td>
      <td>Hvis `header=None` er angitt, kan du bruke `names` til å oppgi en Python-liste med kolonnenavn.</td>
      <td></td>
    </tr>
    <tr>
      <td>`index_col`</td>
      <td>Bestemmer hvilken kolonne som skal brukes som indeks.</td>
      <td>`None`</td>
    </tr>
    <tr>
      <td>`usecols`</td>
      <td>Denne parameteren lar deg velge hvilke kolonner du vil laste inn i DataFrame.</td>
      <td>`None`</td>
    </tr>
    <tr>
      <td>`dtype`</td>
      <td>Angir datatypen for kolonnene.</td>
      <td>`None`</td>
    </tr>
  </tbody>
</table>

Du finner en omfattende liste over parametrene for denne funksjonen i [pandas-dokumentasjonen](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html).

## Hvordan få tilgang til CSV-filer trinn for trinn

Med `pandas.read_csv()` kan du enkelt overføre data fra CSV-filer til Python i bare noen få trinn.

I de følgende eksemplene skal vi arbeide med en CSV-fil som er strukturert slik:

```none
1,John Avery,35,Nottingham,50000
2,Adelaide Smith,29,London,62000
3,Michael Rivera,41,Cardiff,40000
4,Grace Kim,33,Hull,35000
5,Tyler Johnson,28,Kent,52000
```

### Trinn 1: Importer pandas

Først importerer du pandas-biblioteket til Python-skriptet ditt.

```python
import pandas as pd
```

### Trinn 2: Last inn CSV-filen

Nå kan du laste CSV-filen din til Python pandas ved hjelp av funksjonen `read_csv()`. Bare send **filstien** til funksjonen. I følgende kode bruker vi en fil som heter *data.csv*, som er lagret i samme katalog som skriptet:

```python
df = pd.read_csv('data.csv')
```

Koden ovenfor lagrer filen i et DataFrame-objekt (`df`), som vi deretter kan arbeide med. **Pandas tolker automatisk den første raden som kolonneoverskrifter**, med mindre du angir noe annet.

### Trinn 3: Vis CSV-filen

Det er lurt å ta en titt på de **første radene i DataFrame** for å sikre at filen er lastet inn riktig. Du kan bruke funksjonen `DataFrame.head()` til dette. Som standard viser den de fem første radene i DataFrame, slik at du får en rask oversikt over datastrukturen:

```python
print(df.head())
```

Resultatet ser slik ut:

```none
0  1        John Avery   35      Nottingham  	50000
1  2    Adelaide Smith   29   	 London 	    62000
2  3   Michael Rivera    41      Cardiff	   	40000
3  4        Grace Kim    33      Hull 		    35000
4  5    Tyler Johnson    28      Kent   		52000
```

### Trinn 4: Endre kolonnenavnene (valgfritt)

Hvis CSV-filen din ikke har en overskriftsrad, kan du definere kolonnenavnene manuelt:

```python
df = pd.read_csv('data.csv', header=None, names=['ID', 'Name', 'Age', 'City', 'Salary'])
```

I dette eksemplet har vi gitt kolonnene navnene *ID*, *Navn*, *Alder*, *By* og *Lønn*. Resultatet ser slik ut:

```none
ID                Name    	Age            City    	Salary
0  1          John Avery    	35        Nottingham    50000
1  2     Adelaide Smith    	29    	London        62000
2  3    Michael Rivera    	41        Cardiff    	40000
3  4          Grace Kim    	33        Hull        	35000
4  5     Tyler Johnson    	28        Kent        52000
```

Note I eksemplet vi brukte, var det en liten mengde data, noe som gjorde det enkelt å håndtere. Hvis du imidlertid har en **stor CSV-fil**, er det lurt å lese den inn i pandas i deler for å unngå minneproblemer. Du kan bruke parameteren `pandas.read_csv()` `chunksize` til å angi hvor mange rader som skal leses inn om gangen. Ved hjelp av en Python for-løkke kan du iterere over delene.


This is a markdown version of: [https://www.ionos.com/nb-no/digitalguide/nettsteder/webutvikling/python-pandas-read-csv/](https://www.ionos.com/nb-no/digitalguide/nettsteder/webutvikling/python-pandas-read-csv/) for AI/LLM consumption.