本文主要是介绍pandas打印DataFrame的前几行、后几行样本和随机抽样，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
在使用pandas对结构化数据进行探索性分析时，我们经常需要打印几条样本出来看看数据读取和处理是否正确，除了用iloc函数以索引区间的方式读取，pandas为我们提供了更简单的head和tail函数，这两个函数的使用方法和效果如下。
1、head函数
pandas中的head函数的使用方法如下：
import numpy as np
import pandas as pddf_data = pd.DataFrame(np.random.rand(10, 5))
# 打印全体数据
print(df_data)
# 打印前5条数据
print(df_data.head())
# 打印前2条数据
print(df_data.head(2))
结果如下：
0 1 2 3 4
0 0.718092 0.899116 0.125582 0.978291 0.906551
1 0.173210 0.433652 0.620770 0.824463 0.037136
2 0.012881 0.683509 0.449453 0.859218 0.464844
3 0.243671 0.436372 0.518020 0.091002 0.631860
4 0.044998 0.688442 0.487132 0.230478 0.963189
5 0.453796 0.276635 0.458563 0.165412 0.763591
6 0.975923 0.890063 0.462410 0.168376 0.375301
7 0.694347 0.104572 0.511853 0.987440 0.852707
8 0.290416 0.476767 0.009371 0.360272 0.420603
9 0.813110 0.623151 0.358813 0.697292 0.0045720 1 2 3 4
0 0.718092 0.899116 0.125582 0.978291 0.906551
1 0.173210 0.433652 0.620770 0.824463 0.037136
2 0.012881 0.683509 0.449453 0.859218 0.464844
3 0.243671 0.436372 0.518020 0.091002 0.631860
4 0.044998 0.688442 0.487132 0.230478 0.9631890 1 2 3 4
0 0.718092 0.899116 0.125582 0.978291 0.906551
1 0.173210 0.433652 0.620770 0.824463 0.037136我们进一步看一下pandas中head函数的源码可以发现它也是基于iloc函数实现的，且默认返回前5行数据：
def head(self, n=5):"""Return the first `n` rows.This function returns the first `n` rows for the object basedon position. It is useful for quickly testing if your objecthas the right type of data in it.Parameters----------n : int, default 5Number of rows to select.Returns-------obj_head : same type as callerThe first `n` rows of the caller object.See Also--------DataFrame.tail: Returns the last `n` rows.Examples-------->>> df = pd.DataFrame({'animal':['alligator', 'bee', 'falcon', 'lion',... 'monkey', 'parrot', 'shark', 'whale', 'zebra']})>>> dfanimal0 alligator1 bee2 falcon3 lion4 monkey5 parrot6 shark7 whale8 zebraViewing the first 5 lines>>> df.head()animal0 alligator1 bee2 falcon3 lion4 monkeyViewing the first `n` lines (three in this case)>>> df.head(3)animal0 alligator1 bee2 falcon"""return self.iloc[:n]2、tail函数
pandas中的tail函数的使用方法如下：
import numpy as np
import pandas as pddf_data = pd.DataFrame(np.random.rand(10, 5))
# 打印全体数据
print(df_data)
# 打印后5条数据
print(df_data.tail())
# 打印后2条数据
print(df_data.tail(2))结果如下：
0 1 2 3 4
0 0.400922 0.146871 0.141041 0.839072 0.113124
1 0.885119 0.519281 0.571275 0.304061 0.965502
2 0.309809 0.061705 0.911406 0.954084 0.296767
3 0.965902 0.351461 0.398504 0.664548 0.764347
4 0.602855 0.582827 0.534116 0.226877 0.539045
5 0.736614 0.200998 0.170951 0.200885 0.623913
6 0.410535 0.347231 0.934425 0.130389 0.104412
7 0.871398 0.788983 0.210943 0.519613 0.133114
8 0.353736 0.986401 0.385541 0.691156 0.025777
9 0.978579 0.827868 0.074246 0.846744 0.0637190 1 2 3 4
5 0.736614 0.200998 0.170951 0.200885 0.623913
6 0.410535 0.347231 0.934425 0.130389 0.104412
7 0.871398 0.788983 0.210943 0.519613 0.133114
8 0.353736 0.986401 0.385541 0.691156 0.025777
9 0.978579 0.827868 0.074246 0.846744 0.0637190 1 2 3 4
8 0.353736 0.986401 0.385541 0.691156 0.025777
9 0.978579 0.827868 0.074246 0.846744 0.063719看一下源码可以发现tail函数和head函数类似，也是基于iloc函数实现的，默认也是返回后5条数据。
3、sample函数
我们可以进一步使用pandas中的sample函数从数据框中抽取指定数量的样本，代码如下：
import numpy as np
import pandas as pddf_data = pd.DataFrame(np.random.rand(10, 5))
# 打印全体数据
print(df_data)
# 打印随机抽取的3条数据
print(df_data.sample(n=3))效果如下：
0 1 2 3 4
0 0.939711 0.620093 0.246614 0.399083 0.683863
1 0.432783 0.514398 0.764729 0.734619 0.546725
2 0.602358 0.731698 0.329452 0.413731 0.483912
3 0.035878 0.473099 0.938656 0.438246 0.719304
4 0.639476 0.168669 0.886065 0.422071 0.108447
5 0.508343 0.838977 0.768282 0.155232 0.706890
6 0.963683 0.492637 0.890227 0.742109 0.058080
7 0.534936 0.163335 0.582532 0.519570 0.833517
8 0.574580 0.088736 0.331792 0.954629 0.896857
9 0.626263 0.933672 0.348024 0.383196 0.7778810 1 2 3 4
5 0.508343 0.838977 0.768282 0.155232 0.706890
7 0.534936 0.163335 0.582532 0.519570 0.833517
8 0.574580 0.088736 0.331792 0.954629 0.896857
这篇关于pandas打印DataFrame的前几行、后几行样本和随机抽样的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
