df.head()查看头五行

这是一段Python代码，用于查看Pandas DataFrame的前五行。假设你已经导入了Pandas库并读取了一个名为df的DataFrame，你可以使用以下代码查看前五行：

print(df.head())

这将打印出DataFrame的前五行。如果你想查看更多行，可以在head()函数中传入一个整数参数，例如df.head(10)将查看前十行。

相关问题

man = df['Gender']=='M' woman = df['Gender']=='F' data = pd.DataFrame() data['couple'] = df.Couple.unique() data['location'] = df.Location.values[::2] data['man_name'] = df.Name[man].values data['woman_name'] = df.Name[woman].values data['man_occupation'] = df.Occupation[man].values data['woman_occupaiton'] = df.Occupation[woman].values data['man_age'] = df.Age[man].values data['woman_age'] = df.Age[woman].values data['man_decision'] = df.Decision[man].values data['woman_decision']=df.Decision[woman].values data['status'] = df.Status.values[::2] data.head() data.to_csv('./data.csv') data.head()

这段代码是使用 Pandas 包对一个数据集进行处理和清洗，生成一个新的数据集并将其保存为 CSV 文件。具体来说，它做了以下几个步骤：

1. 从原始数据集中选出性别为男性和女性的行，分别对应变量 man 和 woman。
2. 创建一个空的 DataFrame 对象 data，用于存储处理后的数据。
3. 使用 unique() 方法获取原始数据集中所有的 Couple 值，并将其作为 data 的一个列。
4. 使用数组切片的方式从原始数据集中获取所有奇数行的 Location 和 Status 值，并将它们作为 data 的两个列。
5. 使用 man 和 woman 变量中的布尔值索引来获取男性和女性的 Name、Occupation、Age 和 Decision 值，并将它们分别作为 data 的四个列。
6. 将原始数据集中的偶数行的 Status 值作为 data 的最后一个列。
7. 使用 head() 方法查看生成的新数据集的前五行。
8. 使用 to_csv() 方法将 data 保存为一个 CSV 文件。

总体来说，这段代码的目的是将原始数据集按照特定的方式进行重新组织和清洗，以便进行后续的分析和可视化。

np.random.seed(1) df = pd.DataFrame(np.random.randn(100,4),index=ts.index,columns=list("ABCD")) df = df.cumsum() df.head()

这段代码的作用是生成一个随机数矩阵，然后对矩阵进行累加操作，最后将其转化为一个 Pandas 数据框并输出前五行。其中，np.random.seed(1) 的作用是设置随机种子，保证每次运行代码时生成的随机数矩阵都是一样的。df = pd.DataFrame(np.random.randn(100,4),index=ts.index,columns=list("ABCD")) 的作用是生成一个 100 行 4 列的随机数矩阵，并将其转化为一个 Pandas 数据框，其中 index 参数的值来源于变量 ts，columns 参数则是将列标签设置为了 A、B、C、D 四个字母。df = df.cumsum() 的作用是对随机数矩阵进行累加操作，最后生成一个累加后的矩阵。df.head() 的作用是输出累加后的矩阵的前五行。