# Como carregar arquivos no Python com a função Pandas read\_csv() A função `read_csv()` do [Python Pandas](https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/python-pandas/) é um dos métodos mais usados para **ler arquivos CSV no Pandas e armazená-los em DataFrames**. Os arquivos CSV (sigla de *comma-separated values* ou valores separados por vírgula) têm um formato amplamente adotado no armazenamento de dados tabulares, além de serem suportados por muitas aplicações. ## Qual é a sintaxe da função Python Pandas `read_csv()`? A função `pandas.read_csv()` produz um [DataFrame no Pandas](https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/pandas-dataframe-em-python/) a partir de um arquivo CSV. Sua sintaxe básica é a seguinte: ```python import pandas as pd df = pd.read_csv(filepath_or_buffer, sep=',', header='infer', names=None, index_col=None, usecols=None, dtype=None, ...) ``` ### Quais são os parâmetros mais importantes da função `pandas.read_csv()`? A função `pandas.read_csv()` aceita a inclusão de **diversos parâmetros**. Para simplificarmos sua compreensão, vamos abordar apenas os mais importantes. Aqui está uma visão geral dos parâmetros que você pode usar para especificar como a função deve se comportar:
Parâmetro Significado Valor padrão
`filepath_or_buffer` Esta é uma Python string que representa o caminho até o arquivo CSV ou buffer de dados, como um URL.
`sep` Especifica o delimitador usado entre os valores. `,`
`header` Indica qual linha será usada como título. `infer` (primeira linha)
`names` Se a definição for `header=None`, use `names` para disponibilizar uma [lista em Python](https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/listas-em-python/ "Como usar uma lista em Python") dos nomes das colunas.
`index_col` Determina qual coluna usar como índice. `None`
`usecols` Permite selecionar quais colunas você deseja carregar no DataFrame. `None`
`dtype` Especifica o tipo de dados das colunas. `None`
A lista completa dos parâmetros para essa função está disponível na [documentação oficial do Pandas](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html "Documentação do Python Pandas - pandas.pydata.org"). ## Instruções passo a passo: Acessar arquivos CSV Ao usar a função `pandas.read_csv()`, é possível transferir dados de arquivos CSV para o Python em apenas alguns passos. Nos exemplos a seguir, vamos trabalhar com um arquivo CSV estruturado desta forma: ```none 1,João Silva,35,São Paulo,70000 2,Ana Santos,29,Belo Horizonte,62000 3,Marcelo Ribeiro,41,Goiânia,58000 4,Glória Sampaio,33,Recife,49000 5,Thomas Andrade,28,Porto Alegre,52000 ``` ### Passo 1: Importar o Pandas Primeiro, vamos importar a biblioteca Pandas no script do Python. ```python import pandas as pd ``` ### Passo 2: Carregar o arquivo CSV Em seguida, vamos carregar o arquivo CSV no Python Pandas usando a função `read_csv()`. Para fazer isso, basta informar o **caminho do arquivo** (*filepath*) à função. No código a seguir, usaremos um arquivo chamado *dados.csv*, que foi salvo no mesmo diretório do script: ```python df = pd.read_csv('dados.csv') ``` O código acima armazenará o arquivo em um objeto de DataFrame (`df`), o que possibilitará trabalhar com suas informações. **O Pandas interpretará automaticamente a primeira linha como os títulos das colunas**, a menos que você especifique o contrário. ### Passo 3: Exibir o arquivo CSV É recomendável observar as **primeiras linhas do DataFrame** para ter certeza de que o arquivo foi carregado corretamente. Para fazer isso, use a função `DataFrame.head()`. Por padrão, ela exibe as cinco primeiras linhas do DataFrame, oferecendo uma visão geral rápida da estrutura de seus dados: ```python print(df.head()) ``` O resultado será este: ```none 0 1 João Silva 35 São Paulo 70000 1 2 Ana Santos 29 Belo Horizonte 62000 2 3 Marcelo Ribeiro 41 Goiânia 58000 3 4 Glória Sampaio 33 Recife 49000 4 5 Thomas Andrade 28 Porto Alegre 52000 ``` ### Passo 4: Alterar os nomes das colunas (opcional) Se o seu arquivo CSV não tiver uma linha de cabeçalho, você pode definir manualmente os nomes das colunas: ```python df = pd.read_csv('dados.csv', header=None, names=['ID', 'Nome', 'Idade', 'Cidade', 'Salário']) ``` Neste exemplo, nomeamos as colunas como *ID*, *Nome*, *Idade*, *Cidade* e *Salário*. O resultado ficará assim: ```none ID Nome Idade Cidade Salário 0 1 João Silva 35 São Paulo 70000 1 2 Ana Santos 29 Belo Horizonte 62000 2 3 Marcelo Ribeiro 41 Goiânia 58000 3 4 Glória Sampaio 33 Recife 49000 4 5 Thomas Andrade 28 Porto Alegre 52000 ``` Nota Nosso exemplo contém uma baixa quantidade de dados, portanto, ele é simples de gerenciar. No entanto, se você possui um **arquivo CSV muito grande**, talvez seja uma boa ideia carregá-lo em partes no Pandas para evitar problemas de memória. Para fazer isso, use o parâmetro `chunksize` da função `pandas.read_csv()` para especificar quantas linhas serão lidas por vez. Ao executar um for loop Python, você conseguirá iterar sobre essas partes. This is a markdown version of: [https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/python-pandas-read-csv/](https://www.ionos.com/pt-br/digitalguide/sites-de-internet/desenvolvimento-web/python-pandas-read-csv/) for AI/LLM consumption.