18_Pandas.DataFrame，取得Series的头和尾（head和tail）

import pandas as pd
import seaborn as sns
df = sns.load_dataset("iris")
print(df.shape)
# (150, 5)
该示例为pandas.DataFrame，但pandas.Series也具有head（）和tail（）。参数的用法是相同的。
 
返回第一行：Head（）
 
head（）方法返回最初行。
 
默认值为前5行。
 
print(df.head())
#    sepal_length  sepal_width  petal_length  petal_width species
# 0           5.1          3.5           1.4          0.2  setosa
# 1           4.9          3.0           1.4          0.2  setosa
# 2           4.7          3.2           1.3          0.2  setosa
# 3           4.6          3.1           1.5          0.2  setosa
# 4           5.0          3.6           1.4          0.2  setosa
如果指定整数作为参数，则将返回相应的行。
 
print(df.head(3))
#    sepal_length  sepal_width  petal_length  petal_width species
# 0           5.1          3.5           1.4          0.2  setosa
# 1           4.9          3.0           1.4          0.2  setosa
# 2           4.7          3.2           1.3          0.2  setosa
返回最后一行：Tail（）
 
tail（）方法返回最后行。
 默认值为前5行。
 
print(df.tail())
#      sepal_length  sepal_width  petal_length  petal_width    species
# 145           6.7          3.0           5.2          2.3  virginica
# 146           6.3          2.5           5.0          1.9  virginica
# 147           6.5          3.0           5.2          2.0  virginica
# 148           6.2          3.4           5.4          2.3  virginica
# 149           5.9          3.0           5.1          1.8  virginica
如果指定整数作为参数，则将返回相应的行。
 
print(df.tail(3))
#      sepal_length  sepal_width  petal_length  petal_width    species
# 147           6.5          3.0           5.2          2.0  virginica
# 148           6.2          3.4           5.4          2.3  virginica
# 149           5.9          3.0           5.1          1.8  virginica
通过在切片中指定行号来获取行
 
还可以在切片中指定行号，以在任何位置获取行的元素。
 
print(df[50:55])
#     sepal_length  sepal_width  petal_length  petal_width     species
# 50           7.0          3.2           4.7          1.4  versicolor
# 51           6.4          3.2           4.5          1.5  versicolor
# 52           6.9          3.1           4.9          1.5  versicolor
# 53           5.5          2.3           4.0          1.3  versicolor
# 54           6.5          2.8           4.6          1.5  versicolor
还可以使用切片执行与head（）和tail（）相同的处理。
 
print(df[:5])
#    sepal_length  sepal_width  petal_length  petal_width species
# 0           5.1          3.5           1.4          0.2  setosa
# 1           4.9          3.0           1.4          0.2  setosa
# 2           4.7          3.2           1.3          0.2  setosa
# 3           4.6          3.1           1.5          0.2  setosa
# 4           5.0          3.6           1.4          0.2  setosa
print(df[-5:])
#      sepal_length  sepal_width  petal_length  petal_width    species
# 145           6.7          3.0           5.2          2.3  virginica
# 146           6.3          2.5           5.0          1.9  virginica
# 147           6.5          3.0           5.2          2.0  virginica
# 148           6.2          3.4           5.4          2.3  virginica
# 149           5.9          3.0           5.1          1.8  virginica
获取第一行/最后一行中的元素
 
可以通过在head（）或tail（）中指定参数n = 1来获得第一行或最后一行，但是即使只有一行，类型也是pandas.DataFrame。
 
print(df.head(1))
#    sepal_length  sepal_width  petal_length  petal_width species
# 0           5.1          3.5           1.4          0.2  setosa
print(type(df.head(1)))
# <class 'pandas.core.frame.DataFrame'>
如果使用iloc仅指定一行，则可以使用pandas.Series获得指定的行。 pandas.Series更容易获得价值。您可以使用iloc [0]获得第一行，并使用iloc [-1]获得最后一行。
 
如果要获取元素的值，则可以使用iloc [0] [‘列名’]，iloc [-1] [‘列名’]，依此类推。
 
print(df.iloc[0])
# sepal_length       5.1
# sepal_width        3.5
# petal_length       1.4
# petal_width        0.2
# species         setosa
# Name: 0, dtype: object
print(type(df.iloc[0]))
# <class 'pandas.core.series.Series'>
print(df.iloc[0]['sepal_length'])
# 5.1
print(df.iloc[-1])
# sepal_length          5.9
# sepal_width             3
# petal_length          5.1
# petal_width           1.8
# species         virginica
# Name: 149, dtype: object
print(type(df.iloc[-1]))
# <class 'pandas.core.series.Series'>
print(df.iloc[-1]['sepal_length'])
# 5.9
请注意，如果.iloc不存在，将发生错误。
 
# print(df[0])
# KeyError: 0
# print(df[-1])
# KeyError: -1
有关at，iat，loc和iloc的更多信息，请参见以下文章。
 
04_Pandas获取和修改任意位置的值（at,iat,loc,iloc）
                    18_Pandas.DataFrame，取得Series的头和尾（head和tail）当检查具有许多行的pandas.DataFrame，pandas.Series的数据时，返回最初行和最后行的方法head（）和tail（）很方便。在此将对以下内容予以描述：返回最初行：Head（）返回最后行：Tail（）通过在切片中指定行号来获取行获取第一行/最后一行中的元素例如，使用seaborn中的iris数据集作为样本。它是pandas.DataFrame。import pandas as pd
pd.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False)
data：多维数组，字典或DataFrame。必需参数。
index：行
import pandas as pd
from pyspark.sql import SparkSession
from pyspark.sql import SQLContext
from pyspark import SparkContext
#初始化数据
#初始化pandas DataFrame
df = pd.DataFrame([[1, 2, 3], [4, 5, 6]], index=['row1', 'row2'], columns=['c1', 'c2', 'c3'])
#打印数据
import numpy as np
import pandas as pd
data = {'city': ['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen', 'Hangzhou', 'Chongqing'],
    'year': [2016,2016,2015,2017,2016, 2016],
    'population': [2100, 2300, 1000, 700, 500, 500]}
frame = pd.DataFrame(data, columns = ['year', 'city', 'populat
				
pandas做数据处理、数据分析时候常会用到head()、tail()两个方法，两个方法默认会显示前/后5行，并且会默认忽略某些列。
如果想展示全部列的内容，很简单，加一行搞定。
pd.set_option('display.max_columns', None)
来看一段完整的代码，猫哥以经典的分析titainic数据为例，简介一下：
import pandas as pd
train_df = pd.read_csv('titainic.csv')
print(train_df.head(
				
pandas.DataFrame(output_10.detach().numpy()) 输出的类型是 pandas 数据帧。
pandas 是一个用于数据分析的开源库。数据帧是 pandas 中用于存储表格数据的数据结构。它由一个二维结构组成，其中有行和列。每一行代表一个观察值，每一列代表一个变量。
output_10.detach().numpy() 的输出类型是 numpy 数组。numpy 是一个用于进行科学计算的 Python 库，它提供了许多用于操作数组的函数和方法。数组是 numpy 中的主要数据结构，它由一个类似于 Python 列表的多维数据集合组成。
因此，pandas.DataFrame(output_10.detach().numpy()) 输出的是一个从 numpy 数组转换而来的 pandas 数据帧。
                    CSDN-Ada助手: 
                    非常感谢博主的辛勤创作，这篇博客非常有价值，内容详实，易于理解，不仅解决了我们在 Pandas 中将列表存储和处理为 pandas 中的元素时遇到的问题，还为我们提供了宝贵的参考和借鉴。希望博主能再次创作更多类似的知识分享，让我们受益匪浅。再次感谢博主的付出！
为了方便博主创作，提高生产力，CSDN上线了AI写作助手功能，就在创作编辑器右侧哦～（https://mp.csdn.net/edit?utm_source=blog_comment_recall ）诚邀您来加入测评，到此（https://activity.csdn.net/creatActivity?id=10450&utm_source=blog_comment_recall）发布测评文章即可获得「话题勋章」，同时还有机会拿定制奖牌。
                09_Pandas从多个条件（AND，OR，NOT）中提取行
                    weixin_42843494: 
                    运算符的优先级的举例，如果没有运算优先级的话，从左到右计算两个计算表达式计算的东西也不一样啊。感觉不能说明是因为运算符优先级导致计算结果不同，因为就算没有运算符优先级，这个计算结果也应该不同
                饺子大人的Python-Pandas
                    CSDN-Ada助手: 
                    哇, 你的文章质量真不错，值得学习！不过这么高质量的文章, 还值得进一步提升, 以下的改进点你可以参考下: (1)增加内容的多样性(例如使用标准目录、标题、图片、链接、表格等元素)；(2)使用标准目录；(3)增加条理清晰的目录。
                21_Numpy进行矩阵运算（逆矩阵，行列式，特征值等）
                    无水先生: 
                12_Pandas.DataFrame删除指定行和列（drop）
                    zhangshuyx: 
                    很详细，全面，赞一个