Trabajar con CSV y Excel en Python: pandas y openpyxl

Trabajar con CSV y Excel en Python: pandas y openpyxl

Python ofrece varias bibliotecas para manejar hojas de cálculo. pandas es la opción potente para análisis y transformación de datos; openpyxl permite leer/escribir archivos .xlsx con formato, estilos y fórmulas.

1. Leer y escribir CSV con el módulo csv

import csv
from pathlib import Path

# Escribir CSV
datos = [
    {"nombre": "Ana",   "edad": 28, "ciudad": "Madrid"},
    {"nombre": "Carlos","edad": 34, "ciudad": "Barcelona"},
    {"nombre": "Lucía", "edad": 22, "ciudad": "Sevilla"},
]

with open("personas.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["nombre", "edad", "ciudad"])
    writer.writeheader()
    writer.writerows(datos)

# Leer CSV
with open("personas.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    for fila in reader:
        print(f"{fila['nombre']} ({fila['edad']}) — {fila['ciudad']}")

2. pandas: leer CSV y Excel

pip install pandas openpyxl xlrd

import pandas as pd

# Leer CSV
df = pd.read_csv("personas.csv")
print(df.head())
print(df.dtypes)

# Opciones útiles
df = pd.read_csv(
    "datos.csv",
    sep=";",             # Separador alternativo
    encoding="latin-1", # Codificación
    decimal=",",         # Coma decimal (Europa)
    parse_dates=["fecha"],  # Columna fecha → datetime
    index_col=0,         # Primera columna como índice
)

# Leer Excel
df_excel = pd.read_excel("informe.xlsx", sheet_name="Ventas")
print(df_excel.shape)  # (filas, columnas)

3. Exploración y limpieza de datos

import pandas as pd

df = pd.DataFrame({
    "nombre":  ["Ana", "Carlos", "Lucía", "Ana", None],
    "edad":    [28, 34, 22, 28, 45],
    "ciudad":  ["Madrid", "Barcelona", "Sevilla", "Madrid", "Valencia"],
    "salario": [35000, 42000, None, 35000, 55000],
})

# Información general
print(df.info())
print(df.describe())

# Valores nulos
print(df.isnull().sum())

# Eliminar filas con nulos
df_limpio = df.dropna()

# Rellenar nulos
df["salario"] = df["salario"].fillna(df["salario"].mean())
df["nombre"]  = df["nombre"].fillna("Desconocido")

# Eliminar duplicados
df_sin_dup = df.drop_duplicates()
df_sin_dup_cols = df.drop_duplicates(subset=["nombre", "ciudad"])

# Convertir tipos
df["edad"] = df["edad"].astype(int)

4. Filtrar, ordenar y agrupar

import pandas as pd

df = pd.read_csv("personas.csv")

# Filtrar filas
mayores = df[df["edad"] > 25]
madrid  = df[df["ciudad"] == "Madrid"]
filtro  = df[(df["edad"] > 25) & (df["ciudad"] != "Barcelona")]

# query() — más legible
resultado = df.query("edad > 25 and ciudad != 'Barcelona'")

# Ordenar
ordenado = df.sort_values("edad", ascending=False)
multi    = df.sort_values(["ciudad", "edad"], ascending=[True, False])

# Agrupar y agregar
por_ciudad = df.groupby("ciudad")["salario"].agg(["mean", "min", "max", "count"])
print(por_ciudad)

# Pivot table
tabla = df.pivot_table(
    values="salario",
    index="ciudad",
    columns="departamento",
    aggfunc="mean",
    fill_value=0,
)

5. Transformar datos

import pandas as pd

df = pd.DataFrame({
    "nombre":  ["Ana García", "Carlos López"],
    "salario": [35000, 42000],
    "fecha":   ["2025-01-15", "2025-03-20"],
})

# Aplicar función a columna
df["salario_mensual"] = df["salario"] / 12
df["nombre_upper"]    = df["nombre"].str.upper()
df["apellido"]        = df["nombre"].str.split().str[-1]

# apply: función personalizada
def categoria_salario(s):
    if s < 30000: return "bajo"
    if s < 50000: return "medio"
    return "alto"

df["categoria"] = df["salario"].apply(categoria_salario)

# Columnas de fecha
df["fecha"] = pd.to_datetime(df["fecha"])
df["mes"]   = df["fecha"].dt.month
df["anio"]  = df["fecha"].dt.year
df["dia_semana"] = df["fecha"].dt.day_name()

6. Exportar con pandas

import pandas as pd

df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})

# CSV
df.to_csv("salida.csv", index=False, encoding="utf-8")

# Excel (una hoja)
df.to_excel("salida.xlsx", index=False, sheet_name="Datos")

# Excel (múltiples hojas)
with pd.ExcelWriter("multi_hoja.xlsx", engine="openpyxl") as writer:
    df.to_excel(writer, sheet_name="Hoja1", index=False)
    df.to_excel(writer, sheet_name="Hoja2", index=False)

# JSON
df.to_json("salida.json", orient="records", force_ascii=False, indent=2)

7. openpyxl: formato, estilos y fórmulas

from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment, Border, Side
from openpyxl.utils import get_column_letter

wb = Workbook()
ws = wb.active
ws.title = "Ventas"

# Cabecera con estilo
cabeceras = ["Producto", "Unidades", "Precio", "Total"]
for col, cabecera in enumerate(cabeceras, 1):
    celda = ws.cell(row=1, column=col, value=cabecera)
    celda.font  = Font(bold=True, color="FFFFFF")
    celda.fill  = PatternFill("solid", fgColor="2E7D32")
    celda.alignment = Alignment(horizontal="center")

# Datos con fórmula
datos = [("Teclado", 50, 25.99), ("Ratón", 80, 12.50), ("Monitor", 30, 199.99)]
for fila, (prod, uni, precio) in enumerate(datos, 2):
    ws.cell(row=fila, column=1, value=prod)
    ws.cell(row=fila, column=2, value=uni)
    ws.cell(row=fila, column=3, value=precio)
    # Fórmula Excel
    ws.cell(row=fila, column=4, value=f"=B{fila}*C{fila}")

# Ajustar ancho de columna
for col in range(1, 5):
    ws.column_dimensions[get_column_letter(col)].width = 15

wb.save("ventas.xlsx")
print("Excel guardado.")

8. openpyxl: leer y modificar archivos existentes

from openpyxl import load_workbook

wb = load_workbook("ventas.xlsx")
ws = wb.active

# Leer datos
for fila in ws.iter_rows(min_row=2, values_only=True):
    producto, unidades, precio, total = fila
    print(f"{producto}: {unidades} × {precio:.2f} = {total}")

# Modificar una celda
ws["D5"] = "=B5*C5*1.21"   # IVA incluido

# Añadir una hoja
ws2 = wb.create_sheet("Resumen")
ws2["A1"] = "Total ventas"
ws2["B1"] = f"=SUM(Ventas!D2:D{ws.max_row})"

wb.save("ventas_modificado.xlsx")

9. Convertir CSV a Excel con formato

import csv
import pandas as pd
from openpyxl import load_workbook
from openpyxl.styles import Font, PatternFill

# Paso 1: leer CSV y convertir a xlsx con pandas
df = pd.read_csv("datos.csv")
df.to_excel("datos_formateados.xlsx", index=False)

# Paso 2: abrir con openpyxl y aplicar estilos
wb = load_workbook("datos_formateados.xlsx")
ws = wb.active

# Estilo de cabecera
for celda in ws[1]:
    celda.font = Font(bold=True, color="FFFFFF")
    celda.fill = PatternFill("solid", fgColor="1565C0")

# Congelar fila de cabecera
ws.freeze_panes = "A2"

# Filtros automáticos
ws.auto_filter.ref = ws.dimensions

wb.save("datos_formateados.xlsx")
print("CSV convertido a Excel con formato.")

10. Trabajar con archivos grandes: chunks

import pandas as pd

# Leer en chunks para no cargar todo en RAM
total_filas = 0
suma_precio = 0

for chunk in pd.read_csv("archivo_grande.csv", chunksize=10_000):
    # Filtrar y procesar por lotes
    chunk_filtrado = chunk[chunk["precio"] > 0]
    total_filas  += len(chunk_filtrado)
    suma_precio  += chunk_filtrado["precio"].sum()

print(f"Filas válidas: {total_filas}")
print(f"Precio medio : {suma_precio / total_filas:.2f}")

Resumen: ¿qué herramienta usar?

Conversiones relacionadas

Conversiones de documento que siguen este tema:

• PDF a DOCX
• DOCX a PDF
• MD a PDF
• HTML a PDF
• ODT a PDF
• PDF a TXT