dataframe取前几排 python

以下是两种获取DataFrame前几行数据的方法：

1. 使用head()函数获取前n行数据，n为自定义的行数，默认为5行。

import pandas as pd

# 创建DataFrame
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
        'age': [25, 32, 18, 47, 22],
        'gender': ['F', 'M', 'M', 'M', 'F']}
df = pd.DataFrame(data)

# 获取前3行数据
top_3 = df.head(3)
print(top_3)

2. 使用切片获取前n行数据，n为自定义的行数。

import pandas as pd

# 创建DataFrame
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
        'age': [25, 32, 18, 47, 22],
        'gender': ['F', 'M', 'M', 'M', 'F']}
df = pd.DataFrame(data)

# 获取前3行数据
top_3 = df[:3]
print(top_3)

相关问题

python对excel表格的数据从小到大排序，取排所有列的第5%，10%，50%，90%,95%的数据的值和取每列排所有列的第5%，10%，50%，90%,95%的数据的值，保存到新的Excel，列标题为行标题

可以使用Python中的pandas库来对Excel表格进行操作和排序。以下是一个示例代码，可以实现你的要求：

import pandas as pd

# 读取原始Excel文件
df = pd.read_excel('input.xlsx')

# 对所有列进行排序
sorted_df = df.sort_values(by=list(df.columns))

# 计算百分位数
percentiles = [0.05, 0.1, 0.5, 0.9, 0.95]
percentile_values = sorted_df.quantile(percentiles)

# 创建新的Excel文件
output_df = pd.DataFrame(columns=df.columns)

# 将百分位数数据添加到新的Excel文件中
for col in df.columns:
    col_data = []
    for percentile in percentiles:
        col_data.append(percentile_values[col][percentile])
    output_df[col] = col_data

# 保存新的Excel文件
output_df.to_excel('output.xlsx', index=False)

在上面的代码中，需要将`input.xlsx`替换为你的原始Excel文件的路径。代码首先读取原始Excel文件，然后对所有列进行排序。接下来，使用`quantile`方法计算所需的百分位数数据。然后，创建一个新的DataFrame对象`output_df`，并按所需格式将百分位数数据添加到其中。最后，使用`to_excel`方法将新的Excel文件保存为`output.xlsx`。

请确保在运行代码之前已经安装了pandas库。你可以使用以下命令来安装pandas：

pip install pandas

希望能帮到你！如有其他问题，请随时提问。

1）读取该文件中前50名的大学的 #排名、学校名称、省市、总分、学科水平、师资规模、人才培养、科学研究、高端人才、重大项目、国际竞争力的数据， #保存成一个命名为df的DataFrame，并且将排名设为行索引。（20分） #（2）查看df中总分、人才培养、高端人才这三列的描述性统计信息。（9分（3）根据df中的数据，找出在“师资规模”这项指标上排名前10的大学， #要求生成一个命名的rank10的新DataFrame，内容包括排序、学校名称、师资规模，且将排序设为行索引

(1) 读取文件并创建 DataFrame：

假设文件名为 `university.csv`，可以使用 pandas 库的 `read_csv()` 函数读取该文件，并使用 `set_index()` 方法将排名设置为行索引：

import pandas as pd

df = pd.read_csv('university.csv', usecols=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10], nrows=50)
df = df.set_index('排名')

其中，`usecols` 参数指定要读取的列，`nrows` 参数指定要读取的行数，`set_index()` 方法将索引列设置为排名列。

(2) 查看描述性统计信息：

可以使用 `describe()` 方法查看总分、人才培养、高端人才这三列的描述性统计信息：

df[['总分', '人才培养', '高端人才']].describe()

(3) 找出在“师资规模”这项指标上排名前10的大学：

可以使用 `sort_values()` 方法对 DataFrame 进行排序，并使用 `head()` 方法取前 10 行，最后将排序列设置为行索引：

rank10 = df[['学校名称', '师资规模']].sort_values(by='师资规模', ascending=False).head(10)
rank10 = rank10.reset_index().set_index('排序')

其中，`sort_values()` 方法的参数 `by` 指定要排序的列，`ascending=False` 表示降序排序。`reset_index()` 方法用于重置索引，`set_index()` 方法将排序列设置为行索引。