# Hoe bestanden in Python laden met pandas read\_csv()

Python pandas `read_csv()` is een van de meest gebruikte methoden om **CSV-bestanden in pandas te lezen en op te slaan als DataFrames**. CSV-bestanden (*comma-separated values*) zijn een veelgebruikt formaat voor het opslaan van tabelgegevens en worden door veel toepassingen ondersteund.

## Wat is de syntaxis voor Python pandas `read_csv()`?

`pandas.read_csv()` maakt een [pandas DataFrame](https://www.ionos.com/nl-be/digitalguide/websites/webontwikkeling/python-pandas-dataframe/) aan op basis van een CSV-bestand. De basissyntaxis van de functie ziet er als volgt uit:

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

### Wat zijn de belangrijkste parameters voor `pandas.read_csv()`?

`pandas.read_csv()` kan **een breed scala aan parameters** accepteren. Om het eenvoudig te houden, zullen we ons concentreren op de belangrijkste argumenten. Hier volgt een overzicht van de belangrijkste parameters die u kunt gebruiken om te specificeren hoe de functie zich moet gedragen:

<table>
  <thead>
    <tr>
      <th><strong>Parameter</strong></th>
      <th><strong>Betekenis</strong></th>
      <th><strong>Standaardwaarde</strong></th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>`filepath_or_buffer`</td>
      <td>Dit is een Python-string die het pad naar het CSV-bestand of een gegevensbuffer vertegenwoordigt, zoals een URL</td>
      <td></td>
    </tr>
    <tr>
      <td>`sep`</td>
      <td>Dit geeft het scheidingsteken tussen waarden aan.</td>
      <td>`,`</td>
    </tr>
    <tr>
      <td>`header`</td>
      <td>Geeft aan welke rij als koptekst moet worden gebruikt.</td>
      <td>`infer` (eerste rij)</td>
    </tr>
    <tr>
      <td>`names`</td>
      <td>Als `header=None` is ingesteld, kunt u `names` gebruiken om een Python-lijst met kolomnamen op te geven.</td>
      <td></td>
    </tr>
    <tr>
      <td>`index_col`</td>
      <td>Bepaalt welke kolom als index moet worden gebruikt.</td>
      <td>`None`</td>
    </tr>
    <tr>
      <td>`usecols`</td>
      <td>Met deze parameter kunt u selecteren welke kolommen u in het DataFrame wilt laden.</td>
      <td>`None`</td>
    </tr>
    <tr>
      <td>`dtype`</td>
      <td>Specificeert het gegevenstype van de kolommen.</td>
      <td>`None`</td>
    </tr>
  </tbody>
</table>

Een uitgebreide lijst met parameters voor deze functie vindt u in de [documentatie van pandas](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html).

## Stapsgewijze toegang tot CSV-bestanden

Met `pandas.read_csv()` kunt u in slechts enkele stappen eenvoudig gegevens uit CSV-bestanden overzetten naar Python.

In de volgende voorbeelden werken we met een CSV-bestand dat als volgt is gestructureerd:

```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
```

### Stap 1: Importeer pandas

Importeer eerst de pandas-bibliotheek in uw Python-script.

```python
import pandas as pd
```

### Stap 2: Laad het CSV-bestand

Nu kunt u uw CSV-bestand laden in Python pandas met behulp van de functie `read_csv()`. Geef gewoon het **bestandspad** door aan de functie. In de volgende code gebruiken we een bestand met de naam *data.csv*, dat is opgeslagen in dezelfde map als het script:

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

De bovenstaande code slaat het bestand op in een DataFrame-object (`df`), waarmee we vervolgens kunnen werken. **Pandas interpreteert de eerste rij automatisch als kolomkoppen**, tenzij u anders aangeeft.

### Stap 3: Het CSV-bestand weergeven

Het is een goed idee om de **eerste paar rijen van het DataFrame** te bekijken om er zeker van te zijn dat het bestand correct is geladen. Hiervoor kunt u de functie `DataFrame.head()` gebruiken. Standaard worden de eerste vijf rijen van het DataFrame weergegeven, zodat u snel een overzicht krijgt van de structuur van de gegevens:

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

De uitvoer ziet er als volgt uit:

```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
```

### Stap 4: Wijzig de kolomnamen (optioneel)

Als uw CSV-bestand geen koptekstrij heeft, kunt u de kolomnamen handmatig definiëren:

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

In dit voorbeeld hebben we de kolommen *ID*, *Naam*, *Leeftijd*, *Woonplaats* en *Salaris* genoemd. De uitvoer ziet er als volgt uit:

```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
```

Opmerking In het voorbeeld dat we hebben gebruikt, was er een kleine hoeveelheid gegevens, waardoor het eenvoudig te beheren was. Als u echter een **groot CSV-bestand** hebt, is het een goed idee om het in stukjes in pandas in te lezen om geheugenproblemen te voorkomen. U kunt de parameter `pandas.read_csv()` `chunksize` gebruiken om aan te geven hoeveel rijen er tegelijk moeten worden ingelezen. Met behulp van een Python for-lus kunt u de stukjes doorlopen.


This is a markdown version of: [https://www.ionos.com/nl-be/digitalguide/websites/webontwikkeling/python-pandas-read-csv/](https://www.ionos.com/nl-be/digitalguide/websites/webontwikkeling/python-pandas-read-csv/) for AI/LLM consumption.