Como manipular arquivos CSV no Python

✅ Atualizado para Python 3.13 (Dezembro 2025)
Biblioteca csv nativa - sem dependências! DictReader, dialetos e casos práticos.

Salve salve Pythonista 👋

Biblioteca csv é nativa do Python - perfeita para arquivos simples sem precisar de pandas!

Neste guia:

• ✅ DictReader/Writer - Trabalhar com dicionários
• ✅ Dialetos - delimiter, quotechar
• ✅ Casos práticos - Filtrar, transformar
• ✅ csv vs pandas - Quando usar cada um

Neste artigo, iremos explorar a manipulação de arquivos CSV (Comma Separated Values) usando a linguagem de programação Python.

Os arquivos CSV são amplamente utilizados para armazenar dados tabulares de forma simples e eficiente.

Portanto, é essencial que programadores Python tenham conhecimento sobre como manipulá-los.

Vá Direto ao Assunto…

• Por que aprender a manipular arquivos CSV com Python?
• Lendo arquivos CSV
• Manipulando dados CSV
• Escrevendo em arquivos CSV
• csv vs pandas

Por que aprender a manipular arquivos CSV com Python?

A manipulação de arquivos CSV é uma tarefa comum para programadores Python em vários domínios, como processamento de dados, análise de dados, geração de relatórios e muito mais.

É importante saber como ler, escrever e manipular arquivos CSV usando Python, pois isso permite automatizar várias tarefas e processar grandes quantidades de dados de forma eficiente.

Lendo arquivos CSV

Vamos começar aprendendo a ler arquivos CSV usando Python.

Para isso, usaremos o módulo csv que já vem embutido na biblioteca padrão do Python.

O módulo csv nos fornece várias funcionalidades para trabalhar com arquivos CSV de forma fácil e eficiente.

Para ler um arquivo CSV, primeiro precisamos abrir o arquivo usando a função open.

Em seguida, usaremos o objeto de arquivo retornado para criar um leitor de CSV usando a função csv.reader.

O exemplo a seguir demonstra como ler um arquivo CSV chamado dados.csv:

1
2
3
4
5
6

import csv

with open('dados.csv', 'r') as arquivo:
    leitor_csv = csv.reader(arquivo)
    for linha in leitor_csv:
        print(linha)

Neste exemplo, usamos um with statement para garantir que o arquivo seja fechado corretamente após o uso.

Em seguida, criamos um leitor de CSV usando o objeto de arquivo retornado pela função open.

Por fim, iteramos sobre as linhas do arquivo usando um loop for e imprimimos cada linha.

Está curtindo esse conteúdo?

Que tal receber 30 dias de conteúdo direto na sua Caixa de Entrada?

Sua assinatura não pôde ser validada.

Você fez sua assinatura com sucesso.

Assine as PyDicas e receba 30 dias do melhor conteúdo Python na sua Caixa de Entrada: direto e sem enrolação!

Seu nome

Seu e-mail

ASSINAR PYDICAS

Manipulando dados CSV

Agora que sabemos como ler um arquivo CSV, vamos aprender como manipular os dados contidos nele.

A manipulação de dados CSV envolve várias tarefas, como filtrar linhas, selecionar colunas específicas e calcular estatísticas.

O exemplo a seguir demonstra como filtrar linhas em um arquivo CSV:

1
2
3
4
5
6
7
8

import csv

with open('dados.csv', 'r') as arquivo:
    leitor_csv = csv.reader(arquivo)
    next(leitor_csv)  # pula a primeira linha (cabeçalho)
    for linha in leitor_csv:
        if linha[2] == 'Brasil':
            print(linha)

Neste exemplo, usamos a função next para pular a primeira linha do arquivo, que geralmente contém o cabeçalho.

Em seguida, verificamos se o valor da terceira coluna (índice 2) é igual a “Brasil” e, se for, imprimimos a linha.

Dessa forma, filtramos apenas as linhas que atendem a essa condição.

Além disso, podemos selecionar colunas específicas em um arquivo CSV usando a indexação adequada.

O exemplo a seguir ilustra como selecionar apenas as colunas 1 e 3 de um arquivo CSV:

1
2
3
4
5
6

import csv

with open('dados.csv', 'r') as arquivo:
    leitor_csv = csv.reader(arquivo)
    for linha in leitor_csv:
        print(linha[0], linha[2])

Neste exemplo, imprimimos apenas as colunas 1 e 3 de cada linha do arquivo.

As colunas são indexadas a partir de zero, então a primeira coluna é representada pelo índice 0, a segunda coluna pelo índice 1 e assim por diante.

Estou construindo o DevBook, uma plataforma que usa IA para criar ebooks técnicos — com código formatado e exportação em PDF. Não deixe de conferir!

Escrevendo em arquivos CSV

Além de ler dados de um arquivo CSV, também podemos escrever dados em um arquivo CSV usando Python.

Para escrever em um arquivo CSV, usamos a função csv.writer juntamente com o objeto de arquivo retornado pela função open.

O exemplo a seguir demonstra como escrever dados em um arquivo CSV:

1
2
3
4
5
6
7
8
9
10
11
12
13

import csv

dados = [
    ['Nome', 'Idade', 'País'],
    ['João', '25', 'Brasil'],
    ['Maria', '30', 'Portugal'],
    ['José', '35', 'Espanha']
]

with open('dados.csv', 'w', newline='') as arquivo:
    escritor_csv = csv.writer(arquivo)
    for linha in dados:
        escritor_csv.writerow(linha)

Neste exemplo, criamos uma lista de listas chamada dados, onde cada lista representa uma linha do CSV.

Em seguida, abrimos o arquivo dados.csv em modo de escrita, usando a opção w.

Usamos o parâmetro newline='' para evitar caracteres de nova linha indesejados.

Por fim, usamos um loop for para escrever cada linha do dados no arquivo CSV usando a função writerow do objeto escritor de CSV.

csv vs pandas

1
2
3
4
5
6
7
8
9
10

import csv
import pandas as pd

# csv nativo (baixo nível)
with open('dados.csv', 'r') as f:
    reader = csv.DictReader(f)
    dados = [row for row in reader]

# pandas (alto nível)
df = pd.read_csv('dados.csv')

Quando usar cada um?

✅ Use csv nativo quando:

• Arquivo muito simples
• Sem dependências externas
• Script leve
• Processamento linha por linha
• Não precisa análise

✅ Use pandas quando:

• Precisa análise de dados
• Operações complexas
• DataFrames para manipulação
• Estatísticas e agregações
• Performance com numpy

Conclusão

Neste guia da biblioteca csv, você aprendeu:

✅ DictReader - Ler como dicionários
✅ DictWriter - Escrever de dicionários
✅ Dialetos - Personalizar delimiter, quotechar
✅ Casos práticos - Filtrar e transformar dados
✅ csv vs pandas - Quando usar cada um

Principais lições:

• csv é nativa (sem instalar nada)
• Perfeita para arquivos simples
• DictReader facilita acesso por chaves
• Para análise complexa, use pandas
• Bom para scripts leves

Próximos passos:

• Explore [Pandas CSV][pandas-csv]{:target=”_blank”} para análise
• Aprenda [JSON][json-post]{:target=”_blank”} para dados estruturados
• Pratique dialetos customizados
• Estude csv.Sniffer() para detectar formato

Neste artigo, exploramos a manipulação de arquivos CSV com Python.

Continue praticando e experimentando para aprimorar suas habilidades de manipulação de dados!

Até a próxima! 👋

Por Vinícius Ramos em 01/07/2023

Engenheiro de Computação pela UnB com especialização em Inteligência Artificial. Sr. Software Engineer com 10+ anos de experiência desenvolvendo sistemas críticos em Python e Django. Atuei no Banco do Brasil liderando equipes para monitoramento de mainframe, trabalhei como desenvolvedor sênior em projetos forenses para a Polícia Federal, e atualmente sou engenheiro de software na Labcorp (Estados Unidos), desenvolvendo soluções escaláveis para testes genéticos. Fundador da Python Academy, compartilhando conhecimento técnico com a comunidade brasileira desde 2018.

Minhas redes: