PythonでのCSV読み込み完全ガイド【初心者向け実行コード付き】

データ分析を行う上で、Pythonは非常に強力なツールです。 しかし、「プログラミングの環境を整えるのが難しそう」とハードルを感じている方も多いのではないでしょうか。
特に、「PythonでCSV読み込みを行いたい」と思っても、最初の環境設定やツールのインストールでつまずいてしまうケースは少なくありません。

そこで本記事では、初学者でもブラウザさえあれば今すぐ始められる「Google Colab（Google Colaboratory）」を使ったPythonの実行環境構築と、データ分析の第一歩である「PythonでのCSV読み込み手順」を実行コード付きで分かりやすく解説します。

PythonでCSV読み込みを始めるなら「Google Colab」がおすすめ

Google Colab (正式名称「Colaboratory」) は、Googleが提供するクラウドベースのPython実行環境です。
ブラウザ上で直接Pythonのコードを記述し、実行することができるJupyter Notebook形式のサービスであり、Googleアカウントがあれば無料で利用を開始できます。

Pythonを動かすためには通常、自分のPCにソフトをインストールするなどの手間がかかりますが、クラウドベースの「Google Colab」を使えば、その手間は一切かかりません。

(※参考 : Colab公式)

Google Colabの特徴とメリットとデメリット

クラウドベースでのPython実行環境は、以下のような特徴とメリット・デメリットがあります。

分類	特徴	詳細
メリット	環境構築がほぼ不要	自分のPCにソフトをインストールする手間がなく、PCの性能に関わらずすぐにPythonを実行できる。
	ライブラリ事前準備済み	NumPy、pandas、Matplotlib、TensorFlowなど、データ加工や機械学習に必須のライブラリが初期インストールされている。
	GPU/TPUが無料で利用可能	ディープラーニングなどの重い計算処理を大幅に高速化できるGoogleのハードウェアリソースを利用できる。
	ファイルの保存・共有が簡単	自動的にGoogleドライブに保存され、リンク発行による共有、共同編集、コードレビューが可能。
	コードとメモの統合	実際に動く「コードセル」と、説明文や画像を残せる「テキストセル」を1つのドキュメントにまとめられる。
デメリット	セッション切れの制限	90分操作しない（90分ルール）、または起動から12時間経過（12時間ルール）すると、処理結果やファイルが初期化される。
	リソースの変動	他のユーザーと共有しているため、利用する時間帯によって処理性能が変動することがある。

※「90分ルール」：ノートブック上で操作しなくなってから90分が経過する
※「12時間ルール」：ノートブックを立ち上げてから12時間が経過する

なお、より高性能なGPUを使いたい、もっと長い時間プログラムを実行したい、より大きなメモリを利用したいといった本格的なニーズ向けには、有料版の「Colab Pro」も提供されています。
総じて、Google Colabは面倒な初期設定なしで高度なデータサイエンスやAI開発を体験できるため、プログラミング初心者や学生から、実務を行うデータサイエンティストまで幅広い層に支持されている非常に強力なツールです。

準備編：Pythonの実行環境構築 (2ステップ)

それでは、早速Google Colabを使ってPythonの実行環境を構築してみましょう。
Googleアカウントがあれば準備完了です。

1. 公式サイトにアクセス: Googleアカウントにログインした状態で、Google Colabの公式サイトにアクセスします。
2. 新しいノートブックを作成: 画面に表示される「ノートブックを新規作成」をクリックします。

これで、あなた専用のPython実行環境（ノートブック）が完成しました！
作成したノートブックはGoogleドライブに自動保存されます。
※画面左上に表示されているファイル名は自由に変更することができます。

実践編1：Python環境へのCSVファイル読み込み（アップロード）

作成した実行環境に、手元のCSVファイルを読み込ませます。
以下のコードをコピーして実行してください。

from google.colab import files
uploaded = files.upload()
for filename in uploaded.keys():
    print(f"Uploaded file: {filename}")

入力箇所は枠で囲われた場所（コードセル）です。
枠内のコードを実行するときは、枠の左側にある再生ボタンのようなものをクリックします。

実行すると「ファイルの選択」ボタンが表示される画面に切り替わるので、ボタンをクリックし、読み込みを行いたいファイルを選択してください。

“test.csv”というファイルを読み込んだ場合、コードの下に以下のようなログが出力されます。

test.csv(text/csv) - 260683 bytes, last modified: 2026/2/18 - 100% done
Saving test.csv to test.csv
Uploaded file: test.csv

これによって、Pythonの分析環境（クラウド上）にCSVファイルがアップロードされました。

実践編2：PythonでCSV読み込みを行いデータフレームで表示する

分析環境に入ったCSVファイルを、Pythonのデータ分析ライブラリpandasを使ってデータフレームに読み込むには、さらにコードを実行します。

コードを新しく実行する際は、画面上部のナビゲーションバナー（またはセルの下部）より「＋コード」をクリックし、新しい箱（コードセル）を作成してください。

例として、先ほど読み込んだtest.csvをdfというデータフレームに入れ込みます。

import pandas as pd
# 先ほどアップロードしたファイル名を指定
file_path = 'test.csv'
# pandasを使ってPythonでのCSV読み込みを実行
df = pd.read_csv(file_path)

これによって、dfというデータフレームに”test.csv”のデータが連携されました。
※file_pathには、ファイル読み込み時の出力ログ「Uploaded file : XXX」に記載されている名称を入力することに注意してください。

読み込んだ中身を表示して確認する場合は、再度「＋コード」より箱を作成し、以下のように入力して実行ボタンを押してください。

df

画面上に表形式でデータが表示されれば、Pythonを使ったCSV読み込みは無事成功です！

まとめ：PythonでのCSV読み込みはGoogle Colabで簡単に始めよう

今回は「誰でもできるPythonの実行環境構築」と「PythonでのCSV読み込み」の第一歩をご紹介しました。
Google Colabを使えば面倒な初期設定なしで、誰でも簡単にデータサイエンスの世界に足を踏み入れることができます。

株式会社Bistroでは、こうしたデータを用いたマーケティング戦略立案や、データ基盤構築・分析体制の支援を行っております。
「保有しているデータを本格的に分析したい」「自社のマーケティングをデータドリブンに改善したい」とお考えの際は、ぜひBistroのデータ分析スペシャリストにご相談ください。