Lire et représenter un fichier CSV

Un cap pour ce chapitre

Ce que vous saurez faire

Identifier les descripteurs et les lignes d’une table
Importer un CSV avec une bibliothèque adaptée
Convertir et valider les champs selon leur domaine

Les bases utiles pour commencer

Une ligne décrit un enregistrement

Une table organise plusieurs enregistrements partageant les mêmes descripteurs. Pour des stations météo, on peut avoir code, ville et temperature. Une ligne associe une valeur à chacun de ces champs. Les descripteurs donnent leur sens aux positions ; ils ne sont pas eux-mêmes une observation à inclure dans la moyenne. Une représentation Python possible est un tableau de dictionnaires, chaque dictionnaire décrivant une ligne. Un tableau de tableaux convient également si l’ordre des colonnes est connu et documenté. La représentation choisie doit conserver les associations entre les champs d’un même enregistrement.

L’ordre des lignes peut être conservé lors de l’import, mais il ne doit pas être confondu avec un identifiant. Une ligne peut se déplacer après tri tout en décrivant le même objet. Les descripteurs et une éventuelle clé permettent de conserver son sens.

Un séparateur ne suffit pas à comprendre le format

CSV signifie valeurs séparées par des virgules, mais de nombreux fichiers utilisent un point-virgule ou une tabulation selon leur convention. Un champ peut contenir le séparateur s’il est correctement entouré de guillemets. Ainsi un nom "Paris, centre" ne représente pas deux colonnes dans un CSV à virgules. Découper naïvement chaque ligne avec split peut casser cette structure. Il est préférable d’utiliser le module csv, qui gère les règles du format. Il faut aussi connaître l’encodage du texte : une structure correcte ne répare pas des caractères mal décodés.

Les guillemets appartiennent aux règles de représentation des champs. Ils ne sont généralement pas une partie du nom une fois la ligne correctement lue. Un véritable lecteur CSV gère aussi des guillemets échappés et parfois des retours à la ligne internes, au-delà de l’exemple simple de l’atelier.

Les champs lus sont d’abord du texte

Un lecteur CSV ne connaît pas automatiquement le domaine métier de chaque colonne. La valeur "18" peut désigner une température à convertir en nombre, un identifiant à conserver comme texte ou un code dont les zéros initiaux sont importants. La conversion doit donc être guidée par les descripteurs. Une valeur vide n’est pas nécessairement zéro. Pour une température, il faut décider si l’on refuse la ligne, si l’on conserve une absence explicite ou si l’on applique une autre règle documentée. Une conversion silencieuse risque de produire une table apparemment propre mais fausse.

Une virgule décimale nécessite une convention distincte du séparateur de champs. Le texte "12,5" ne devient pas directement un nombre avec float en Python. Il faut connaître le format annoncé avant d’effectuer une transformation ciblée, sinon on risque de modifier un identifiant ou un nom.

Contrôler l’import avant de calculer

Après lecture, vérifiez le nombre de lignes, les descripteurs, quelques valeurs et les types effectivement obtenus. Examinez les caractères accentués et les lignes incomplètes. Pour une table de notes, on peut contrôler que les nombres appartiennent à l’intervalle annoncé ; pour des codes, on peut vérifier un format attendu. Ces contrôles préparent la recherche, le tri et la fusion. Le fichier source devrait rester disponible pour comprendre une anomalie plutôt que d’écraser immédiatement les données avec une version transformée dont les décisions seraient difficiles à retracer.

import csv
from io import StringIO

# Un petit fichier fourni directement comme texte pour cet exemple.
contenu = "code;ville;temperature\nA1;Lyon;18\nB2;Nantes;16\n"
fichier = StringIO(contenu)
lignes = list(csv.DictReader(fichier, delimiter=";"))
for ligne in lignes:
    ligne["temperature"] = float(ligne["temperature"])
print(lignes)

La conversion doit être vérifiée sur plusieurs familles : ligne ordinaire, champ cité contenant le séparateur, valeur vide et donnée numérique invalide. Un fichier entier peut paraître importé tout en ayant décalé les colonnes d’une seule ligne. Les contrôles de structure précèdent donc les calculs.

Préparer une table pour calculer sans perdre les codes

Une table possède les champs code et quantité, avec les lignes 0042;7 et 0100;12. Le code reste textuel pour conserver ses quatre caractères ; la quantité devient un entier. Après préparation, les deux quantités s’additionnent en dix-neuf, tandis que les codes demeurent "0042" et "0100".

Convertir toutes les colonnes en nombres supprimerait des informations du code. Ne rien convertir ferait au contraire concaténer les textes "7" et "12" lors d’une addition textuelle. Le schéma de la table doit donc annoncer une règle par colonne, au lieu d’appliquer une conversion uniforme à toutes les cellules.

Une chaîne de contrôles pour une ligne suspecte

Supposons que l’on attende trois champs : code, ville, température. Si une ligne produit quatre morceaux, vérifiez d’abord si une virgule interne a été interprétée comme séparateur. Si elle produit un seul champ, examinez le séparateur choisi. Si elle produit trois champs mais que le dernier n’est pas numérique, la structure peut être correcte et le contenu invalide.

Ces diagnostics concernent des étapes différentes : décodage des octets, découpage des champs puis conversion de type. Corriger une température ne réparera pas un mauvais encodage. Garder l’entrée source et décrire l’anomalie permet de reprendre la bonne étape sans inventer une donnée de remplacement.

À vous de faire varier les choses

Un séparateur à l’intérieur d’un champ

Comparez un découpage naïf et une lecture qui respecte les guillemets sur la même ligne CSV. Changez ensuite le séparateur choisi.

Lire le résultat de l’expérience initiale

3 champ(s) obtenu(s)

Ligne étudiée : A1,"Paris, centre",18. Le résultat attendu comporte code, ville et température, soit trois champs. Ce lecteur pédagogique traite cette ligne contrôlée ; pour des fichiers réels, utilisez csv.

Position	Contenu
0	A1
1	Paris, centre
2	18

Indice 2

Le dénominateur doit compter les valeurs réellement utilisées.

Comprendre la correction

Deux mesures sont disponibles ; leur somme vaut trente et leur moyenne quinze. Remplacer le champ vide par zéro produirait une moyenne dix sur trois valeurs, en inventant une observation. Signaler la ligne incomplète conserve la possibilité de rechercher sa valeur réelle tout en expliquant le calcul effectué.

Les erreurs qui méritent un détour

Utiliser split pour tous les fichiers CSV: Les guillemets et les séparateurs contenus dans les champs demandent un lecteur connaissant le format.
Convertir tous les chiffres en nombres: Des codes et identifiants peuvent devoir rester textuels pour conserver leur forme et leur sens.

La fiche à garder

L’essentiel à retenir

Une table partage des descripteurs communs entre ses lignes.
Le format, l’encodage et les types sont trois décisions distinctes.
Contrôler l’import précède les analyses.

Cette notion au bac

Retrouvez ces idées dans un sujet complet, avec des indices, une correction expliquée et des ateliers.

Le prochain pas

Rechercher et vérifier des données dans une table

Retrouver le catalogue de Première

Ce chapitre s’appuie sur le programme officiel de Première (PDF, nouvel onglet). Les explications et exercices sont proposés pour l’apprentissage.