Lliçons Python

Commuta mode fosc o clar

Lectura i escriptura de dades amb Pandas ​

Aquesta lliçó explica com llegir i escriure dades en diferents formats utilitzant la biblioteca Pandas de Python. Pandas proporciona funcions senzilles per carregar dades des de fitxers CSV, Excel, JSON i bases de dades SQL, així com per exportar dades a aquests formats.

Recordeu que per utilitzar Pandas cal importar-la habitualment amb l'alias pd:

python
import pandas as pd

Lectura de fitxers ​

Pandas proporciona funcions per carregar dades des de diversos formats. Totes retornen un DataFrame.

CSV ​

La funció read_csv llegeix fitxers de valors separats per comes:

python
df = pd.read_csv('dades.csv')

Alguns paràmetres útils:

  • sep: caràcter separador (per defecte ,)
  • header: número de fila amb els noms de les columnes (per defecte 0)
  • index_col: columna a utilitzar com a índex
  • usecols: llista de columnes a llegir
  • dtype: diccionari amb els tipus de dades de les columnes
  • na_values: valors a interpretar com a NaN
python
df = pd.read_csv('dades.csv', sep=';', index_col=0, usecols=['nom', 'edat'])

Excel ​

La funció read_excel llegeix fitxers d'Excel:

python
df = pd.read_excel('dades.xlsx')

Paràmetres rellevants:

  • sheet_name: nom o índex del full a llegir (per defecte el primer)
  • header, index_col, usecols: igual que en CSV
python
df = pd.read_excel('dades.xlsx', sheet_name='Fulls1')

JSON ​

La funció read_json llegeix fitxers JSON:

python
df = pd.read_json('dades.json')

El paràmetre orient especifica l'estructura del JSON:

  • 'split': diccionari amb claus index, columns i data
  • 'records': llista de diccionaris (un per fila)
  • 'index': diccionari de diccionaris indexat per files
  • 'columns': diccionari de diccionaris indexat per columnes
  • 'values': només els valors com a array 2D
python
df = pd.read_json('dades.json', orient='records')

SQL ​

La funció read_sql llegeix dades d'una base de dades SQL (sqlite3 per exemple):

python
import sqlite3

conn = sqlite3.connect('basedades.db')
df = pd.read_sql('SELECT * FROM taula', conn)
conn.close()

Es pot passar una consulta SQL o el nom d'una taula. Cal una connexió prèvia a la base de dades.

Escriptura de fitxers ​

Els DataFrames es poden exportar a diferents formats mitjançant mètodes específics.

Exportació a CSV ​

El mètode to_csv escriu un DataFrame en format CSV:

python
df.to_csv('sortida.csv')

Paràmetres comuns:

  • sep: caràcter separador
  • index: si s'ha d'incloure l'índex (per defecte True)
  • header: si s'han d'incloure els noms de les columnes (per defecte True)
  • columns: llista de columnes a exportar
  • na_rep: cadena per representar valors NaN
python
df.to_csv('sortida.csv', sep=';', index=False)

Exportació a Excel ​

El mètode to_excel escriu un DataFrame en format Excel:

python
df.to_excel('sortida.xlsx')

Paràmetres rellevants:

  • sheet_name: nom del full (per defecte 'Sheet1')
  • index: si s'ha d'incloure l'índex
  • columns: llista de columnes a exportar
python
df.to_excel('sortida.xlsx', sheet_name='Resultats', index=False)

Exportació a JSON ​

El mètode to_json escriu un DataFrame en format JSON:

python
df.to_json('sortida.json')

El paràmetre orient controla l'estructura (igual que en read_json):

python
df.to_json('sortida.json', orient='records', indent=2)

El paràmetre indent afegeix indentació per millorar la llegibilitat.

Consideracions generals ​

Tots els mètodes d'exportació accepten el paràmetre index per controlar si s'escriu l'índex del DataFrame (l'índex és l'etiqueta que identifica cada fila del DataFrame i permet accedir-hi directament). Per defecte és True, però sovint és convenient desactivar-lo amb index=False.

python
df.to_csv('dades.csv', index=False)
df.to_excel('dades.xlsx', index=False)
df.to_json('dades.json', orient='records')

Jordi Petit
Lliçons.jutge.org
© Universitat Politècnica de Catalunya, 2026

lliçons.jutge.org

Copyright © 2026 Universitat Politècnica de Catalunya