Python CSV読み込み完全ガイド｜基礎から分析・可視化まで

SHARE

この記事では、PythonでのCSVファイルの読み書き方法を中心に、基本操作からデータ整形・分析・可視化、Excel変換までを体系的に解説します。プログラム初心者がCSV処理の基礎を理解し、実務や学習でのデータ活用にすぐ応用できる知識を得られます。

CSVファイルとは

python+csv+data

CSV形式の特徴と仕組み

CSVファイルとは「Comma Separated Values」の略で、カンマ（,）などの区切り文字でデータを区切って保存するシンプルなテキスト形式のファイルです。表形式のデータを直感的に記録できるため、最も広く使われているデータ保存形式の一つといえます。

特徴としては以下のような点が挙げられます。

  • 可読性が高い：テキストエディタで簡単に確認・編集できる。
  • 互換性が高い：ExcelやGoogleスプレッドシートはもちろん、多くのデータベースやプログラミング言語と相性が良い。
  • 軽量：余計なメタ情報を持たないため、ファイルサイズが小さくなりやすい。
  • 制約がある：セル結合や数式、スタイル情報のような複雑な表現は扱えない。

このようにCSVは「シンプルであるがゆえに汎用性が高い」形式です。そのため、PythonでCSVを読み込みたいというニーズも非常に多く、データ分析や機械学習の前処理に欠かせない形式となっています。

CSVファイルが利用される主な用途

CSVファイルはビジネスから研究まで幅広い領域で活用されています。その利用用途を整理すると、次のような例が一般的です。

  1. データの受け渡し：異なるシステムやアプリケーション間でのデータ交換に利用される。
  2. 統計・分析の元データ：売上データ、購買履歴、センサーログなどをCSV形式で保存し、Pythonで読み込んで分析する。
  3. バックアップやアーカイブ：シンプルな構造ゆえに長期保存にも適している。
  4. 機械学習やAIのトレーニングデータ：学習のためのラベル付きデータやサンプルデータをCSVで扱うケースが多い。

特に「Python CSV 読み込み」はデータサイエンス分野での必須スキルとなっており、多くの開発者や分析者が日常的にCSVファイルを用いて作業を行っています。

PythonでCSVを扱う方法の概要

python+csv+pandas

標準ライブラリcsvモジュールの特徴

PythonでCSVファイルを読み込み・書き込みする際、もっとも基本的に利用されるのが標準ライブラリに含まれるcsvモジュールです。このモジュールは追加インストールが不要で、Pythonを導入した時点で誰でもすぐに利用できる点が大きなメリットです。特に小規模なデータやシンプルな処理を行う際に向いており、軽量かつ直感的に扱うことができます。

csvモジュールの主な特徴は以下のとおりです。

  • 標準装備：追加ライブラリを導入する手間がなく、環境依存を最小限にできる。
  • シンプルな操作：行単位・列単位でCSVを扱えるため、基礎的な入出力処理に最適。
  • 区切り文字（デフォルトはカンマ）を柔軟に変更可能で、タブ区切りやセミコロン区切りのファイルにも対応できる。
  • 辞書形式（csv.DictReader）の操作も可能で、カラム名を直接キーとしてデータを参照できる。

このように、csvモジュールは「Python csv 読み込み」を行う最初の選択肢として非常に優れています。一方で、大量データや複雑な加工を必要とする場面では処理効率が課題となるため、規模に応じて別のライブラリを検討する必要があります。

pandasを利用したデータ処理との違い

CSVファイルを扱う際、多くのPythonユーザーが活用しているのがデータ分析ライブラリpandasです。pandasのread_csv()関数はシンプルな読み込み方法でありながら、大規模なデータを効率的に処理できる点が強みです。一方で、標準のcsvモジュールと比較すると機能面で以下のような違いがあります。

特徴 csvモジュール pandas
インストール 不要（標準ライブラリ） 別途インストールが必要
データ規模 小規模データ向き 大規模・高機能処理に最適
データ操作 行や列の単純アクセスが中心 フィルタリング、集計、統計分析、可視化まで一括対応
柔軟性 シンプルで軽量 多機能だが習熟コストがやや高め

つまり、シンプルなCSV読み込みや書き出しにはcsvモジュールを、分析や可視化を含めた高度な処理にはpandasを活用するのが適切な使い分けといえます。利用目的や扱うデータ量に応じて最適なライブラリを選択することが重要です。

CSVファイルの読み込み方法

python+csv+data

基本的な読み込み処理（csv.readerなど）

PythonでCSVファイルを読み込む場合、最もよく利用される方法が標準ライブラリのcsvモジュールです。その中でもcsv.readerは、ファイルを1行ごとにリスト形式で取得するための基本的なアプローチとなります。シンプルな構造を持つCSVであれば、この方法で十分に処理可能です。 

import csv

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

上記のコードでは、1行ごとにリストが返され、その中には列の要素が文字列として格納されます。たとえば、sample.csvが「名前,年齢,職業」といった内容を持っている場合、各行は['名前', '年齢', '職業']のような形式で読み込まれます。

  • csv.readerを使うと、細かな制御が可能
  • シンプルな列指向のCSVには最適
  • 数値などもすべて文字列で読み込まれるため、必要に応じて型変換が必要

with文を使ったファイルの安全な取り扱い

CSVファイルを扱う際に重要なのが、ファイルを確実に閉じることです。Pythonではwith文を用いることで、処理が終了したとき自動的にファイルをクローズできます。これにより、ファイルを開いたままにするリスクを防ぎ、リソースを効率的に管理することが可能です。 

with open("data.csv", mode="r", encoding="utf-8") as f:
    reader = csv.reader(f)
    for row in reader:
        print(row)

「with文」を利用するのは推奨されるベストプラクティスであり、大規模なシステム開発やデータ分析においても広く活用されています。

行・列・要素の取得方法

CSVのデータを扱う場合、特定の行や列を取り出す方法を理解することが重要です。csv.readerでは各行がリストで返されるため、Pythonのインデックスを利用して要素にアクセスできます。 

with open("users.csv", encoding="utf-8") as f:
    reader = csv.reader(f)
    for row in reader:
        name = row[0]   # 1列目（名前）
        age = row[1]    # 2列目（年齢）
        print(f"{name} は {age} 歳です")

また、リスト変換を用いることで全データをまとめて扱うことも可能です。 

with open("users.csv", encoding="utf-8") as f:
    rows = list(csv.reader(f))
    print(rows[1])   # 2行目全体を取得

このように行・列の操作を組み合わせることで、任意のデータ項目を簡単に取り出すことができます。

区切り文字の指定方法

標準的なCSVファイルはカンマ区切りですが、タブ区切りやセミコロン区切りのファイルが存在するケースもあります。その場合、csv.readerにdelimiterパラメータを指定することで対応可能です。 

# タブ区切りのCSVファイル読み込み例
with open("data.tsv", encoding="utf-8") as f:
    reader = csv.reader(f, delimiter="\t")
    for row in reader:
        print(row)

delimiterオプションを活用することで、多様な形式のCSVファイルを柔軟に扱えるのが特徴です。

辞書形式での読み込み（csv.DictReader）

列名をキーとして値を扱いたい場合には、csv.DictReaderが便利です。各行を辞書形式で返してくれるため、列名を指定するだけでデータを取得できます。 

with open("users.csv", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    for row in reader:
        print(row["名前"], row["年齢"])

この方法を使うと、インデックス番号ではなく列名でアクセスできるため、可読性や保守性が大幅に向上します。

内包表記を活用したデータの取得

Pythonの内包表記を利用すれば、特定の列だけを抽出するなど、短いコードで効率的にデータを処理できます。たとえば「年齢カラム」をリストとしてまとめたい場合、以下のように記述できます。 

with open("users.csv", encoding="utf-8") as f:
    reader = csv.reader(f)
    ages = [row[1] for row in reader]
    print(ages)

また、条件付き内包表記を用いれば、特定の条件を満たすデータだけを抽出することも可能です。これにより、データの前処理やフィルタリングを簡潔に記述できます。

内包表記を組み合わせることで、「Python CSV 読み込み」処理をより効率的かつ直感的に記述できるのが大きな強みです。

CSVファイルの書き込み方法

python+csv+data

新しいCSVファイルの作成

Pythonでは、標準ライブラリに含まれるcsvモジュールを利用することで、簡単に新しいCSVファイルを作成できます。特に「python csv 読み込み」と組み合わせて使う場面も多く、読み込みと書き込みの両方を理解しておくとデータ処理の幅が広がります。ここでは、空のCSVファイルを作成し、そこに新規データを書き込む方法を解説します。

新しいCSVファイルを作成する基本手順は以下の通りです。

  1. open() 関数でファイルを書き込みモード（'w'）として開く
  2. csv.writer() を利用してライター（writer）オブジェクトを生成する
  3. writer.writerow() または writer.writerows() を用いて行データを書き込む

import csv

# 新しいCSVファイルの作成
with open('sample.csv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    # ヘッダーを書き込む
    writer.writerow(['id', 'name', 'age'])
    # データ行を書き込む
    writer.writerow([1, 'Alice', 23])
    writer.writerow([2, 'Bob', 30])

この例では、UTF-8エンコーディングを指定して文字化けを防ぎ、newline='' を付けることで改行コードの不一致による余分な空行の出現を防いでいます。これらは実務でよく遭遇する問題のため、設定を忘れないようにすることが重要です。

また、データ量が多い場合や二次元リストのような形式で格納されている場合には、writer.writerows() を用いて一括で書き込むことができます。 


rows = [
    [3, 'Charlie', 28],
    [4, 'Diana', 35]
]

with open('sample.csv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerow(['id', 'name', 'age'])  # ヘッダー
    writer.writerows(rows)  # 複数行をまとめて書き込み

この方法を覚えておくと、データ収集の結果をすぐにCSVへ保存し、後で「python csv 読み込み」によって再利用する流れをスムーズに実現できます。

CSVデータの加工・変換

python+csv+data

データ型の変換方法（数値・文字列など）

CSVファイルをPythonで読み込む際、すべての値は基本的に文字列型として扱われます。しかし実際のデータ分析や機械学習の前処理では、売上金額を整数型に変換したり、日付を日時型に変換したりするケースが多くあります。適切なデータ型に変換することで、計算処理や比較処理が可能となり、後工程でのデータ分析がスムーズになります。

具体的な変換例としては以下のようなものがあります。

  • int()を用いて数値（整数）に変換する
  • float()を用いて小数を含む数値に変換する
  • str()で文字列として扱い直す
  • datetime.strptime()で日付文字列を日時型に変換する
import csv
from datetime import datetime

with open("sample.csv", encoding="utf-8") as f:
    reader = csv.reader(f)
    header = next(reader)  # ヘッダー行をスキップ
    for row in reader:
        price = int(row[1])  # 数値型に変換
        date = datetime.strptime(row[2], "%Y-%m-%d")  # 日付型に変換
        print(price, date)

このように「python csv 読み込み」後に必要なデータ型へ適切に変換することで、集計や分析の精度を向上させることができます。

複数データの結合

1つのCSVだけでなく、複数のCSVデータを結合して扱うケースも多くあります。例えば、月ごとに分割された売上データや、商品のマスタ情報と販売実績を照合する場合などです。Pythonではリスト操作や辞書、あるいはpandasを利用することで効率的にデータ結合を行うことができます。

代表的な方法には以下のものがあります。

  • csv.readerで複数ファイルを読み込み、リストの連結(+)によって結合する
  • 共通のキー（商品IDなど）を基準に辞書でマージする
import csv

data = []
for file in ["data_january.csv", "data_february.csv"]:
    with open(file, encoding="utf-8") as f:
        reader = csv.reader(f)
        header = next(reader)
        data.extend(reader)  # データを結合

print("結合後のデータ行数:", len(data))

このように結合処理を行うことで、分析に必要な大規模なデータセットをひとつにまとめて処理できるようになります。

条件付きのデータ抽出（フィルタリング）

CSVデータを扱う際には、すべての行を対象に処理するのではなく、条件に合致するデータのみを抽出したい場面も多くあります。例えば、「売上が1000円以上のデータだけを取得する」や「特定の商品カテゴリーに限定する」といったフィルタリングが必要になります。

Pythonでは、単純なif文やリスト内包表記を用いることで、簡単に条件付き抽出が可能です。 

import csv

with open("sales.csv", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    filtered = [row for row in reader if int(row["amount"]) >= 1000]

for row in filtered:
    print(row["product"], row["amount"])

このように「python csv 読み込み」によって得られたデータを条件付きで抽出することで、大量データの中から必要な情報だけを効率的に取り出すことができます。

CSVデータの集計と分析

python+csv+analysis

合計や平均などの計算

CSVファイルをPythonで読み込み、売上や得点などの数値データを集計することで、データの全体像を素早く把握できます。特に「合計」や「平均」は、基礎的かつ重要な分析指標です。例えば、売上データを含むCSVを扱う際に、合計を求めれば全体の売上規模を示すことができ、平均を計算すれば日ごとの標準的な売上額を確認できます。

Pythonでは標準ライブラリを使った方法と、データ分析の定番ライブラリであるpandasを使った方法の両方で簡単にこの処理を実現できます。例えば、pandasのDataFrameを利用すれば、1行の記述で列ごとの合計や平均を集計することが可能です。 

import pandas as pd

# CSVファイルの読み込み
df = pd.read_csv("sales.csv")

# 特定の列の合計と平均を計算
total_sales = df["amount"].sum()
average_sales = df["amount"].mean()

print("売上合計:", total_sales)
print("売上平均:", average_sales)

上記では「amount」という列を対象に計算していますが、予算や人数など他の数値データにも同様に利用できます。これにより、効率的なデータ把握が可能になり、全体傾向を数値で捉えることができます。
一方で、空欄（NaN）や異常値を含むケースも多いため、適切に欠損値処理やデータクリーニングを行ってから集計することが重要です。

基本統計量の算出

合計や平均といった全体を代表する指標だけでなく、基本統計量を算出することでデータ分布をより深く理解することができます。Pythonでは標準偏差や中央値、最大値・最小値といった数値を簡単に導き出すことが可能です。これらを組み合わせることで、例えば「データが平均値付近に集中しているのか」「極端な外れ値があるのか」といった洞察が得られます。 

import pandas as pd

# CSVファイルを読み込み
df = pd.read_csv("sales.csv")

# 基本統計量を表示
print(df["amount"].describe())

このコードでは、件数（count）、平均値（mean）、中央値（50%）、標準偏差（std）、最小値・最大値（min, max）、四分位数（25%, 75%）といった統計情報を自動的に算出してくれます。
また、より詳細な分析が必要な場合は、scipyやnumpyといったライブラリを組み合わせ、相関係数や分散分析など高度な統計手法を用いることもできます。

総じて、PythonでCSVデータを読み込み、集計や統計分析を行うことは業務効率化に直結します。売上管理、アンケート結果の分析、実験データの処理など、幅広い分野で活用できるため、基本指標の算出方法をマスターしておくことは大きなメリットとなります。

CSVデータの可視化

python+csv+visualization

ヒストグラムの作成

CSVファイルから読み込んだ数値データを分析する際、分布の傾向を把握するためにはヒストグラムが有効です。特に大量のデータに対して平均値や中央値だけでは把握しきれない「偏り」や「ばらつき」を視覚的に確認できる点がメリットです。Pythonでは、pandasとmatplotlibを組み合わせることで手軽にヒストグラムを描画できます。 


import pandas as pd
import matplotlib.pyplot as plt

# CSVファイルを読み込み
df = pd.read_csv("data.csv")

# 'age' 列のヒストグラムを作成
plt.hist(df["age"], bins=10, color="skyblue", edgecolor="black")
plt.xlabel("年齢")
plt.ylabel("人数")
plt.title("年齢分布のヒストグラム")
plt.show()

この例では、「python csv 読み込み」後に特定の列からヒストグラムを生成しています。binsを調整することで分布の詳細度をコントロールできます。

散布図の作成

2つの数値データの関係性を確認する場合は散布図が役立ちます。例えば「年齢」と「収入」の相関を分析すれば、年齢による収入の傾向や外れ値を見つけやすくなります。 


# 'age' と 'income' の散布図を作成
plt.scatter(df["age"], df["income"], alpha=0.6, c="teal")
plt.xlabel("年齢")
plt.ylabel("収入")
plt.title("年齢と収入の散布図")
plt.show()

このコードにより、CSVから読み込んだ各行のデータを点として表現し、変数間の関係を直感的に理解することができます。さらにalphaを設定することで重なり具合が確認しやすくなります。

折れ線グラフや棒グラフの描画

時系列データやカテゴリ別の比較には折れ線グラフや棒グラフが効果的です。売上やアクセス数などの推移を視覚的に表現することで、トレンドや変化点を把握できます。 


# 折れ線グラフ：月ごとの売上推移
plt.plot(df["month"], df["sales"], marker="o", linestyle="-", color="navy")
plt.xlabel("月")
plt.ylabel("売上")
plt.title("売上推移（折れ線グラフ）")
plt.show()

# 棒グラフ：商品カテゴリ別販売数
plt.bar(df["category"], df["quantity"], color="orange")
plt.xlabel("カテゴリ")
plt.ylabel("数量")
plt.title("商品別販売数（棒グラフ）")
plt.show()

折れ線グラフは連続するデータの推移を追うのに適しており、棒グラフはカテゴリごとの比較に便利です。いずれも「python csv 読み込み」で取得したデータの活用シーンが多く、ビジネス分析や研究に直結します。

CSVと他フォーマットの変換

python+csv+excel

Excel形式への変換方法

CSVファイルはシンプルで軽量なデータ保存形式ですが、実務においては「Excel形式（.xlsx）」への変換が求められるケースが少なくありません。たとえば、分析結果を共有する際にグラフや書式設定を併せて使いたい場合や、非エンジニアのメンバーに扱いやすい形式で渡す場合に重宝されます。ここでは、Pythonを用いた「python csv 読み込み」と組み合わせたExcel変換の代表的な方法を紹介します。

変換の方法はいくつかありますが、代表的なのは次の2つです。

  • pandasを利用する方法

    pandasライブラリはCSV読み込みとExcel出力をシームレスに処理できます。まず pandas.read_csv() でCSVを読み込み、DataFrame 化したデータを to_excel() メソッドで保存するだけです。この方法はデータ加工や整形と併用できるため、業務システムのレポート生成などに非常に使いやすいアプローチです。

  • openpyxlを利用する方法

    より柔軟にExcelファイルを扱いたい場合には openpyxl ライブラリが利用されます。こちらは単純なCSVの読み書きではなく、セルの書式設定や数式の設定など、Excel特有の機能を活用した変換が可能です。たとえば、CSVから読み込んだデータを行ごとにExcelシートへ追加し、フォントやセルの色を変更するといった操作ができます。

以下の例では、pandasを用いた基本的な変換方法のイメージを示します。 

import pandas as pd

# CSVファイルの読み込み
df = pd.read_csv("data.csv")

# Excel形式で保存
df.to_excel("output.xlsx", index=False)

このように、Pythonを使えば「python csv 読み込み」から「Excel変換」までの処理をスクリプトにまとめることができ、日常的なレポート業務やデータの可視化準備が大幅に効率化されます。特に繰り返し利用する処理は自動化しておくと、毎日の作業時間を大きく短縮できるでしょう。

まとめ

python+csv+analysis

PythonでのCSV操作のポイント整理

PythonでのCSVファイルの読み込みや書き込みは、標準ライブラリであるcsvモジュールや、より高度なデータ処理が可能なpandasを利用することで効率的に行えます。特に「python csv 読み込み」を行う際には以下のポイントを押さえておくとよいでしょう。

  • csv.readerやcsv.DictReaderを活用すれば、行単位や辞書形式での柔軟なデータ取得が可能。
  • with文を用いることでファイルが自動的にクローズされ、リソース管理も適切に行える。
  • データ加工や分析を行う場合はpandasのread_csv()が強力かつ便利。
  • 区切り文字やエンコーディングを正しく指定することで、異なるフォーマットのCSVにも対応可能。

これらを意識することで、誤ったデータ解釈や処理の非効率を防ぎ、CSVデータを安定的にハンドリングできます。

よくあるエラーと対処法

CSVの読み込み時には、初学者から実務者まで直面しやすいエラーがいくつか存在します。事前に原因と対策を理解しておくことでスムーズに開発を進められます。

  • UnicodeDecodeError

    主に文字コードの不一致で発生します。open()やpandas.read_csv()でencoding="utf-8"やencoding="shift_jis"などを指定することで解決できます。

  • ValueError: too many values to unpack

    列数の想定と実際のデータ数が異なる場合に生じます。まずCSVの区切り文字や列構造を確認し、delimiter引数を調整します。

  • FileNotFoundError

    指定したCSVファイルが存在しない場合に発生します。パスを絶対パスで指定する、または作業ディレクトリを確認しましょう。

  • 空白や改行が原因の不具合

    CSV内に余分な空白や改行が含まれていると、意図しない行・列が読み込まれることがあります。strip()処理やskip_blank_lines=Trueの指定で対処可能です。

これらのエラー発生時には慌てず、ファイルの中身やコードの引数指定を確認することがポイントです。特に「python csv 読み込み」処理では、環境やデータの性質に応じた柔軟な対応が求められます。

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

前の記事

Python appendの使い方完全ガイド｜基礎から応用・注…

次の記事

Python lambdaの使い方完全ガイド｜基本構文から実用…