💾 Clase 41 — Cargar datos reales en Python (CSV y Excel) con Pandas 🐼 🐍

💾 Clase 41 — Cargar datos reales en Python (CSV y Excel) con Pandas 🐼 🐍


👋 ¡Hola, hola!
Bienvenidos nuevamente a mi curso “Aprende Python desde 0” 🐍

Hoy aprenderás uno de los pasos MÁS importantes del análisis de datos:
👉 cómo cargar archivos CSV y Excel usando Pandas

Porque los datos reales siempre vienen EN ARCHIVOS, no escritos en el código.


🟦 1. Cargar un archivo CSV

import pandas as pd

df = pd.read_csv('ventas.csv')
print(df.head())

💡 CSV significa “valores separados por comas”.
Pero puedes modificar cómo se lee usando parámetros muy útiles 👇


🧠 Parámetros esenciales en pd.read_csv()

pd.read_csv(
'archivo.csv',
sep=',', # Separador → usa ';' si tu archivo viene con punto y coma
header=0, # Fila donde están los encabezados
names=None, # Coloca tus propios nombres de columnas
usecols=None, # Cargar solo ciertas columnas
dtype=None, # Convertir tipos de datos
skiprows=None, # Saltar filas al inicio
nrows=None, # Leer solo X filas (útil para archivos grandes)
encoding='utf-8', # Codificación (usa 'latin1' si ves caracteres raros)
parse_dates=False # Convertir columnas a fecha automáticamente
)

✔ Ejemplos prácticos:

pd.read_csv('archivo.csv', sep=';')
pd.read_csv('empleados.csv', parse_dates=['fecha_ingreso'])
pd.read_csv('ventas.csv', usecols=['Producto', 'Precio'])
pd.read_csv('datos.csv', dtype={'Edad': int})


🟩 2. Cargar un archivo Excel

df_excel = pd.read_excel('ventas.xlsx')
print(df_excel.head())



🧠 Parámetros esenciales en pd.read_excel()

pd.read_excel(
'archivo.xlsx',
sheet_name=0, # Hoja a leer (nombre o índice)
usecols=None, # Columnas a cargar
dtype=None, # Tipos de datos
skiprows=None, # Saltar filas
nrows=None # Leer solo X filas
)

✔ Ejemplos prácticos:

pd.read_excel('ventas.xlsx', sheet_name='Enero')
pd.read_excel('ventas.xlsx', sheet_name=None) # Todas las hojas
pd.read_excel('ventas.xlsx', usecols="A:C") # Columnas por letra


🧪 Comprobando lo que cargaste

df.head() # Primeras filas
df.info() # Tipos de datos + nulos
df.shape # Filas y columnas
df.columns # Nombres de columnas

En segundos sabrás si tu dataset está listo para analizar.



🎯 Reto del día

1️⃣ Descarga un archivo CSV real.
2️⃣ Cárgalo con pd.read_csv() usando al menos 3 parámetros nuevos.
3️⃣ Muestra las primeras filas y revisa sus columnas.


📅 Mañana seguimos con la Clase 42 de mi curso “Aprende Python desde 0”,
donde aprenderás a explorar y entender tus datos como un analista profesional.

BY MARCELO SOLIS — TRANSFORMA TUS DATOS EN DECISIONES

hashtag#AprendePython hashtag#PythonDesdeCero hashtag#AnalisisDeDatos hashtag#CursoDePython hashtag#Pandas hashtag#PythonEnEspañol hashtag#TransformaTusDatos hashtag#CienciaDeDatos hashtag#AprendizajeContinuo hashtag#Datos