¿Cómo agregar datos a un CSV en Python?

Existen varias formas de agregar datos a un archivo CSV en Python. Una forma es utilizar la función writerow() del módulo csv. Esta función toma una lista como argumento y agrega cada elemento de la lista como una nueva línea en el archivo CSV. Otra forma de agregar datos a un archivo CSV en Python es utilizando la función append() del módulo pandas. Esta función toma una lista o un diccionario como argumento y agrega los datos al final del archivo CSV.

¿Cómo crear archivo CSV en Python?

Para crear un archivo CSV en Python, se puede utilizar la función open() del módulo csv. Esta función toma como argumento el nombre del archivo CSV, el modo en que se va a abrir el archivo y el nombre del delimitador. El modo en que se abre el archivo puede ser ‘w’ para escritura, ‘a’ para agregar datos al final del archivo o ‘r’ para lectura. El delimitador es el carácter que se utiliza para separar los campos en el archivo CSV.

¿Cómo guardar datos en CSV Python con Pandas?

Para crear un archivo CSV en Python con pandas, se puede utilizar la función to_csv() del módulo pandas. Esta función toma como argumento el nombre del archivo CSV, el modo en que se va a abrir el archivo, el nombre del delimitador y si se va a incluir o no el índice. El modo en que se abre el archivo puede ser ‘w’ para escritura, ‘a’ para agregar datos al final del archivo o ‘r’ para lectura. El delimitador es el carácter que se utiliza para separar los campos en el archivo CSV.

Código para guardar datos en CSV Python que aparece en el vídeo:

from selenium import webdriver
url="https://www.electrocosto.com/televisores/"
driver = webdriver.Chrome('chromedriver.exe')
driver.maximize_window()
driver.get(url)
listaNombres=[]
nombres = driver.find_elements("xpath",'.//h5[@class="product-name"]/a')
for nombre in nombres:
    producto = nombre.get_attribute('title')
    listaNombres.append(producto)
    #print(producto)
print(listaNombres)
listaPrecios=[]
precios = driver.find_elements("xpath",'.//span[@class="price product-price"]')
for precio in precios:
    valor = precio.text
    listaPrecios.append(valor)
    #print(valor)
print(listaPrecios)
miDiccionario={'Producto':listaNombres, 'Precio':listaPrecios}
print(miDiccionario)

import pandas as pd
df = pd.DataFrame(miDiccionario, columns = ['Producto', 'Precio'])
df

Este es uno de los más de 600 vídeos que ofrecemos en Comercio Digital Internacional.

Guardar DataFrame en CSV con Python utilizando Pandas

Una de las características más potentes de Pandas es su capacidad para manipular y guardar estructuras de datos en diversos formatos, siendo CSV uno de los más comunes y útiles en la práctica diaria de manipulación de datos. El método to_csv() de Pandas simplifica la tarea de guardar un DataFrame en un archivo CSV. Esta herramienta es esencial para quienes trabajan con análisis de datos y desean compartir sus resultados de manera accesible y eficiente.

La sintaxis básica de to_csv() es sencilla y directa. Requiere como mínimo el nombre del archivo de destino, pero también permite ajustar parámetros adicionales para adaptar el proceso de guardado a las necesidades específicas del usuario. Por ejemplo, se puede especificar si se desean incluir o no los índices del DataFrame o si se desea usar un delimitador particular aparte de la coma, que es el predeterminado.

Veamos un ejemplo básico de cómo usar este método para guardar un DataFrame en un archivo CSV:

import pandas as pd

# Suponiendo que 'df' es el DataFrame que deseamos guardar
df.to_csv('mi_archivo.csv', index=False)

En el código anterior, hemos indicado que no queremos guardar los índices del DataFrame en el archivo CSV, lo cual se especifica con el parámetro index=False. Si tu DataFrame contiene caracteres especiales o acentos y deseas evitar problemas de codificación, es posible especificar la codificación al momento de guardar el archivo:

df.to_csv('mi_archivo.csv', index=False, encoding='utf-8-sig')

Con estos sencillos pasos y el poder de Pandas, guardar un DataFrame en un archivo CSV se convierte en una tarea rápida y libre de complicaciones, lo que te permite enfocarte en lo realmente importante: el análisis y la obtención de insights de tus datos.

Es importante señalar que si bien la función to_csv() es muy versátil, siempre es aconsejable revisar la documentación oficial de Pandas para asegurarse de que se están utilizando sus características al máximo y de la manera más eficiente posible, especialmente cuando se trabaja con conjuntos de datos grandes o complejos.

Juande Marín

Profesor de Marketing digital, divulgador de inteligencia artificial y neuroeducación. Especializado en posicionamiento en buscadores y diseño web. Autor de varios libros relacionados con el comercio electrónico y el marketing digital (McGraw Hill, Paraninfo,…) Juande2marin