5.1Dateiformat CSV
Das Dateiformat CSV (comma separated values, .csv) ist ein gängiges Format
für den Austausch tabellarischer Daten. Wie der Name sagt nutzt eine
“klassische” CSV-Datei Kommata für die Trennung von einzelnen Werten (Spalten).
Oft wird aber auch ein Semikolon genutzt.
Struktur einer CSV-Datei¶
Eine CSV-Datei sieht typischerweise so aus:
Alle Werte in der CSV-Datei werden als Text (Zeichenkette, String) abgespeichert und auch so eingelesen. Sollen manche Werte/Spalten bspw. als Zahl interpretiert werden, so muss diese Transformation explizit durchgeführt werden.
Ein Datensatz entspricht in einer CSV-Datei immer einer Zeile in der Datei. Die Reihenfolge der Zeilen ist normalerweise nicht sinntragend, d.h. wenn ein anderer Datensatz “referenziert” werden soll, dann sollte dies über eindeutige IDs in Schlüsselspalten geschehen und nicht über einen Zeilen-Index.
Zellen können Leerzeichen enthalten. Zellen können optional mit doppelten
Anführungsstrichen umschlossen sein. Dann können auch Zeichen wie , oder \r
(CR, Carriage Return),\n (LF, Line Feed, Newline) in der Zelle stehen. Manche
Programme können jedoch nicht mit solchen Dateien umgehen, weshalb dies nicht
unbedingt empfohlen wird. Dies ist auch einer der Gründe, warum häufig ein
Semikolon für die Spalten-Trennung genutzt wird. Das Semikolon wird innerhalb
typischer Daten viel seltener genutzt als das Komma.
Beispieldateien¶
id, family name, given name, birthdate
0, musterfrau, martha, 1.2.2003
1, müller, kim, 1999-8-7
2, 王, 祖寇, February 21 2005index;date;time;temp
2;2025-10-10;11:51:02;21.4
3;2025-10-10;11:51:12;21.5
6;2025-10-10;11:57:05;21.1
7;2025-10-10;11:57:20;21.6"Matrikel Nr.", "Nachname", "Vorname", "Adresse", "HZB"
"123456", "Aa-Bb", "Ccc", "Muster Str. 7b", "2,4"
"234567", "Aa", "Ddd", "Deppendorf 12", "1,0"
"345678", "Bb", "Eee", "Alexanderplatz 4", "1,3"
Es gibt auch das verwandte Dateiformat TSV (tabulator separated values,
.tsv), welches einen Tabulator (\t) als Trennzeichen nutzt.
Matrikel Nr.\tNachname\tVorname\tAdresse\tHZB
123456\tAa-Bb\tCcc\tMuster Str. 7b\t2,4
234567\tAa\tDdd\tDeppendorf 12\t1,0
345678\tBb\tEee\tAlexanderplatz 4\t1,3
Synthetische Testdaten für dieses Kapitel¶
In diesem Kapitel nutzen wir die syntetisch erstellte CSV-Datei
books_powerlaw_dataset.csv, welche mit dem Skript generate_csv.py generiert
wurde. Da das Skript die Buchreihenfolge randomisiert ist es (nahezu) unmöglich,
die gleiche Test-Datei erneut herzustellen.
Hier sehen Sie die ersten 40 Zeilen der Datei.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40isbn,author,year,title,sales_year,sales 9780241951446,"Murakami, Haruki",1984,Norwegian Wood,2020,61 9783518587249,"Boltanski, Luc",1999,Der neue Geist des Kapitalismus,2020,40 9780141185422,"Joyce, James",1922,Ulysses,2020,15 9783518587157,"Latour, Bruno",2017,Kampf um Gaia,2020,15 9783518587010,"Harari, Yuval Noah",2013,Eine kurze Geschichte der Menschheit,2020,14 9780143124276,"Rushdie, Salman",1981,Midnight's Children,2020,14 9783518587287,"Han, Byung-Chul",2016,Die Austreibung des Anderen,2020,8 9780141439600,"Dickens, Charles",1861,Great Expectations,2020,8 9780141439471,"Woolf, Virginia",1927,To the Lighthouse,2020,8 9780143058144,"Morrison, Toni",1987,Beloved,2020,8 9780374533557,"Knausgård, Karl Ove",2009,My Struggle: Book 1,2020,8 9783596196036,"Kafka, Franz",1925,Der Prozess,2020,8 9783518587119,"Mbembe, Achille",2016,Politik der Feindschaft,2020,8 9780141439518,"Orwell, George",1949,Nineteen Eighty-Four,2020,7 9783446254251,"Kahneman, Daniel",2012,"Schnelles Denken, langsames Denken",2020,7 9780141439556,"Brontë, Charlotte",1847,Jane Eyre,2020,7 9783518587164,"Sloterdijk, Peter",1998,Sphären I,2020,7 9783518587201,"Rosa, Hartmut",2016,Resonanz,2020,7 9780374530532,"Atwood, Margaret",1985,The Handmaid's Tale,2020,7 9780374532741,"Ferrante, Elena",2011,My Brilliant Friend,2020,7 9783518293454,"Luhmann, Niklas",1984,Soziale Systeme,2020,6 9783518465905,"Foucault, Michel",1975,Überwachen und Strafen,2020,6 9783518465196,"Arendt, Hannah",1958,The Human Condition,2020,6 9783518465172,"Adorno, Theodor W.",1951,Minima Moralia,2020,6 9780141182605,"Austen, Jane",1813,Pride and Prejudice,2020,6 9783518293447,"Habermas, Jürgen",1981,Theorie des kommunikativen Handelns,2020,5 9783518465189,"Butler, Judith",1990,Das Unbehagen der Geschlechter,2020,5 9780141439587,"Eliot, George",1871,Middlemarch,2020,5 9783518465202,"Benjamin, Walter",1936,Das Kunstwerk im Zeitalter seiner technischen Reproduzierbarkeit,2020,5 9783518587225,"Bauman, Zygmunt",2000,Liquid Modernity,2020,5 9783596196036,"Kafka, Franz",1925,Der Prozess,2021,151 9780141439518,"Orwell, George",1949,Nineteen Eighty-Four,2021,44 9783518465196,"Arendt, Hannah",1958,The Human Condition,2021,29 9783518465172,"Adorno, Theodor W.",1951,Minima Moralia,2021,24 9780143058144,"Morrison, Toni",1987,Beloved,2021,19 9780141182605,"Austen, Jane",1813,Pride and Prejudice,2021,15 9783518587010,"Harari, Yuval Noah",2013,Eine kurze Geschichte der Menschheit,2021,15 9780141439556,"Brontë, Charlotte",1847,Jane Eyre,2021,13 9780141439600,"Dickens, Charles",1861,Great Expectations,2021,11