目录
- Pandas2.2 DataFrame
- Indexing, iteration
- pandas.DataFrame.tail()
- 参数
- 返回值
- 示例
Pandas2.2 DataFrame
Indexing, iteration
| 技巧 | 描述 |
|---|---|
| DataFrame.head([n]) | 用于返回 DataFrame 的前几行 |
| DataFrame.at | 快速访问和修改 DataFrame 中单个值的技巧 |
| DataFrame.iat | 快速访问和修改 DataFrame 中单个值的技巧 |
| DataFrame.loc | 用于基于标签（行标签和列标签）来访问和修改 DataFrame 中的数据 |
| DataFrame.iloc | 用于基于整数位置（行号和列号）来访问和修改 DataFrame 中的数据 |
| DataFrame.insert(loc, column, value[, …]) | 用于在 DataFrame 的指定位置插入一个新的列 |
| DataFrame.iter() | 用于迭代 DataFrame 的列名 |
| DataFrame.items() | 用于迭代 DataFrame 的列名和列数据 |
| DataFrame.keys() | 返回 DataFrame 的列名 |
| DataFrame.iterrows() | 用于逐行迭代 DataFrame |
| DataFrame.itertuples([index, name]) | 用于逐行迭代 DataFrame |
| DataFrame.pop(item) | 用于从 DataFrame 中删除指定列 |
| DataFrame.tail([n]) | 用于返回 DataFrame 的最终n行 |
pandas.DataFrame.tail()
pandas.DataFrame.tail([n])技巧用于返回 DataFrame 的最终n行。如果不指定n，默认返回最终 5 行。
参数
n：可选参数，表示要返回的行数，默认为 5。
返回值
- 返回 DataFrame 的最终
n行，类型为pandas.DataFrame。
示例
假设我们有一个 DataFrame 如下：
import pandas as pddata = ‘A’: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10], ‘B’: [11, 12, 13, 14, 15, 16, 17, 18, 19, 20]}df = pd.DataFrame(data)print(“原始 DataFrame:”)print(df)
输出：
原始 DataFrame:
A B
0 1 11
1 2 12
2 3 13
3 4 14
4 5 15
5 6 16
6 7 17
7 8 18
8 9 19
9 10 20
使用tail技巧返回最终 3 行：
last_three_rows = df.tail(3)print(“n最终 3 行:”)print(last_three_rows)
输出：
最终 3 行:
A B
7 8 18
8 9 19
9 10 20
如果不指定n，默认返回最终 5 行：
last_five_rows = df.tail()print(“n默认最终 5 行:”)print(last_five_rows)
输出：
默认最终 5 行:
A B
5 6 16
6 7 17
7 8 18
8 9 19
9 10 20
可以看到，tail技巧可以方便地获取 DataFrame 的最终几行数据。
到此这篇关于pandas DataFrame tail的使用的文章就介绍到这了,更多相关pandas DataFrame tail内容请搜索风君子博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持风君子博客！
无论兄弟们可能感兴趣的文章:
- pandasDataFramemap技巧的实现
- pandas.DataFrame.agg()技巧的使用
- pandasDataFramersub的实现示例
- pandasDataFramemask的具体使用
- pandasDataFramewhere的实现示例
- pandasDataFramemul的具体实现
- pandas中DataFrame多层索引的实现
- pandas中Series和DataFrame的rank技巧解析
