Первая таблица

pandas — библиотека Python для работы с таблицами: загрузить выгрузку из CSV или Excel, выбрать нужные строки, посчитать итоги по группам, соединить несколько таблиц. Если вы работали в Excel, многое покажется знакомым — только вместо щелчков мышью строки кода, которые можно повторить на новых данных.

Весь курс мы будем разбирать данные вымышленного интернет-магазина «Кофейная лавка» за 2025 год: зерновой кофе, чай, сладости, посуда. Файл data/shop_orders.csv уже лежит рядом с уроком. Каждая его строка — одна позиция заказа: какой товар, по какой цене и сколько штук купили, в каком городе и через какой канал.

Загрузка

pandas подключают под коротким именем pd, а таблицу из файла читает функция pd.read_csv:

import pandas as pd

orders = pd.read_csv("data/shop_orders.csv")
orders

CSV (comma-separated values, «значения через запятую») — простой текстовый формат таблиц: одна строка файла — одна строка таблицы, значения разделены запятыми, в первой строке — названия столбцов. read_csv возвращает таблицу — объект DataFrame («датафрейм»). У неё есть столбцы с названиями и строки, а слева — индекс (index): подписи строк, пока это просто номера 0, 1, 2… Строк много, поэтому показаны только первые и последние, а внизу — размер таблицы.

Если путь к файлу неверный, read_csv сообщит об этом ошибкой:

pd.read_csv("shop_orders.csv")

FileNotFoundError: [Errno 44] No such file or directory: 'shop_orders.csv'

Первые и последние строки

На большую таблицу целиком смотреть неудобно: обычно начинают с нескольких строк сверху. Их показывает метод head:

orders.head()

Без аргумента head возвращает 5 строк, нужное число пишут в скобках: orders.head(10). Последние строки показывает tail:

orders.tail(3)

Что в столбцах: date — дата покупки, customer_id — код покупателя, city — город доставки, channel — где оформлен заказ (сайт, приложение или маркетплейс), category и product — категория и товар, price — цена за штуку в рублях, quantity — сколько штук. Один заказ (order_id) может занимать несколько строк — по строке на каждый товар в нём.

top3 = ...

top3 = orders.head(3)

head — это метод: действие, которое таблица умеет выполнять. Метод вызывают скобками, даже когда аргументов нет. Если скобки забыть, Python ничего не выполнит, а покажет сам метод:

orders.head

<bound method NDFrame.head of       order_id        date customer_id         city      channel    category  \
0        10001  2025-01-01        C095       Москва  маркетплейс  Аксессуары
1        10001  2025-01-01        C095       Москва  маркетплейс         Чай
2        10002  2025-01-01        C059       Москва   приложение    Сладости
3        10002  2025-01-01        C059       Москва   приложение         Чай
4        10003  2025-01-01        C203       Казань         сайт        Кофе
...        ...         ...         ...          ...          ...         ...
2443     11573  2025-12-31        C196       Казань   приложение        Кофе
2444     11574  2025-12-31        C067       Москва         сайт    Сладости
2445     11575  2025-12-31        C057  Новосибирск  маркетплейс    Сладости
2446     11575  2025-12-31        C057  Новосибирск  маркетплейс  Аксессуары
2447     11576  2025-12-31        C158       Казань   приложение    Сладости

                 product  price  quantity
0       Кофемолка ручная   3200         2
1     Травяной сбор 50 г    260         1
2        Шоколад горький    180         1
3       Чёрный чай 100 г    350         1
4          Эфиопия 250 г    790         1
...                  ...    ...       ...
2443       Эфиопия 250 г    790         3
2444     Печенье овсяное    150         1
2445     Печенье овсяное    150         2
2446    Фильтры бумажные    240         1
2447               Зефир    210         2

[2448 rows x 9 columns]>

Размер и столбцы

Сколько в таблице строк и столбцов, показывает shape. Это не метод, а атрибут — свойство таблицы, которое уже посчитано и просто хранится. Скобки у атрибута не пишут:

orders.shape

(2448, 9)

shape — кортеж (tuple) из двух чисел: сначала строки, потом столбцы. Число строк можно достать индексом, как из списка, — orders.shape[0]. То же число возвращает len(orders):

print(orders.shape[0])
print(len(orders))

2448
2448

n_rows = ...
n_cols = ...

n_rows = orders.shape[0]
n_cols = orders.shape[1]

Названия столбцов хранит атрибут columns:

orders.columns

Index(['order_id', 'date', 'customer_id', 'city', 'channel', 'category',
       'product', 'price', 'quantity'],
      dtype='str')

Это не список, а объект pandas Index — набор подписей. В конце указан тип значений, dtype='str': названия — строки. Когда нужен обычный список Python, columns передают в list(...).

names = ...

names = list(orders.columns)

Прочитать только начало файла

У read_csv много параметров — они описаны в справочнике. Один пригодится сразу: nrows — сколько строк прочитать. Он выручает, когда файл огромный, а посмотреть хочется только начало:

pd.read_csv("data/shop_orders.csv", nrows=4)

Параметр передают по имени: nrows=4. Так же — имя=значение — передают и другие параметры функций pandas.

sample = ...

sample = pd.read_csv("data/shop_orders.csv", nrows=100)

Итоги

• import pandas as pd, затем pd.read_csv("путь") — и в руках таблица DataFrame.
• head(n) и tail(n) — первые и последние строки. Методы вызывают скобками.
• shape — (строки, столбцы), len(таблица) — число строк, columns — названия столбцов. Это атрибуты, скобки у них не пишут.
• nrows= читает только начало файла.