【Pandas】pandas DataFrame tail

最新推荐文章于 2025-06-07 10:23:32 发布

liuweidong0802

最新推荐文章于 2025-06-07 10:23:32 发布

阅读量1k

点赞数 33

分类专栏： DataFrame 文章标签： pandas 数据挖掘数据分析

本文链接：https://blog.csdn.net/weixin_39648905/article/details/148425806

版权

DataFrame 专栏收录该内容

137 篇文章

订阅专栏

Pandas2.2 DataFrame

Reindexing selection label manipulation

方法	描述
DataFrame.add_prefix(prefix[, axis])	用于在 DataFrame 的行标签或列标签前添加指定前缀的方法
DataFrame.add_suffix(suffix[, axis])	用于在 DataFrame 的行标签或列标签后添加指定后缀的方法
DataFrame.align(other[, join, axis, level, …])	用于对齐两个 `DataFrame` 或 `Series` 的方法
DataFrame.at_time(time[, asof, axis])	用于筛选特定时间点的行的方法
DataFrame.between_time(start_time, end_time)	用于筛选指定时间范围内的数据行的方法
DataFrame.drop([labels, axis, index, …])	用于从 `DataFrame` 中删除指定行或列的方法
DataFrame.drop_duplicates([subset, keep, …])	用于删除重复行的方法
DataFrame.duplicated([subset, keep])	用于检测重复行的方法
DataFrame.equals(other)	用于比较两个 `DataFrame` 是否完全相等的方法
DataFrame.filter([items, like, regex, axis])	用于筛选列或行标签的方法
DataFrame.first(offset)	用于选取时间序列型 DataFrame 中从起始时间开始的一段连续时间窗口的方法
DataFrame.head([n])	用于快速查看 `DataFrame` 前几行数据的方法
DataFrame.idxmax([axis, skipna, numeric_only])	用于查找每列或每行中最大值的索引标签的方法
DataFrame.idxmin([axis, skipna, numeric_only])	用于查找每列或每行中最小值的索引标签的方法
DataFrame.last(offset)	用于选取时间序列型 DataFrame 中从最后时间点开始向前截取一段指定长度的时间窗口的方法
DataFrame.reindex([labels, index, columns, …])	用于重新索引 DataFrame 的核心方法
DataFrame.reindex_like(other[, method, …])	用于将当前 DataFrame 的索引和列重新设置为与另一个对象（如另一个 DataFrame 或 Series）相同
DataFrame.rename([mapper, index, columns, …])	用于重命名 DataFrame 的行索引标签或列名的方法
DataFrame.rename_axis([mapper, index, …])	用于重命名 DataFrame 的索引轴名称（index axis name）或列轴名称（column axis name）的方法
DataFrame.reset_index([level, drop, …])	用于将 DataFrame 的索引（index）重置为默认整数索引，并将原索引作为列添加回 DataFrame 中的方法
DataFrame.sample([n, frac, replace, …])	用于从 DataFrame 中随机抽取样本行或列的方法
DataFrame.set_axis(labels, *[, axis, copy])	用于设置 DataFrame 的行索引（index）或列标签（columns）的方法
DataFrame.set_index(keys, *[, drop, append, …])	用于将 DataFrame 中的一个或多个列设置为新的索引（index）的方法
DataFrame.tail([n])	用于快速查看 DataFrame 最后几行数据的方法

`pandas.DataFrame.tail([n])`

pandas.DataFrame.tail(n=5) 是一个用于快速查看 DataFrame 最后几行数据的方法。它默认返回最后 5 行，常用于数据探索、调试和快速检查数据集的末尾内容。

📌 方法签名

DataFrame.tail(n=5)

🔧 参数说明

参数	类型	说明
`n`	整数，默认为 5	要显示的最后 `n` 行；若为负数，则返回除前 `-n` 行外的所有内容

✅ 返回值

返回一个新的 DataFrame，包含原始数据的最后 n 行；
不会修改原始 DataFrame；
支持链式调用（chaining）。

🧪 示例代码及结果

示例 1：默认使用（显示最后 5 行）

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({
    'A': range(1, 11),
    'B': [x * 10 for x in range(1, 11)]
})

print("Original DataFrame:")
print(df)

# 显示最后 5 行
print("\ndf.tail():")
print(df.tail())

输出结果：

Original DataFrame:
    A   B
0   1  10
1   2  20
2   3  30
3   4  40
4   5  50
5   6  60
6   7  70
7   8  80
8   9  90
9  10 100

df.tail():
    A   B
5   6  60
6   7  70
7   8  80
8   9  90
9  10 100

示例 2：自定义显示最后 3 行

# 显示最后 3 行
print("\ndf.tail(3):")
print(df.tail(3))

输出结果：

df.tail(3):
    A   B
7   8  80
8   9  90
9  10 100

示例 3：使用负数参数跳过前 n 行

# 显示除前 2 行外的所有行
print("\ndf.tail(-2):")
print(df.tail(-2))

输出结果：

df.tail(-2):
    A   B
2   3  30
3   4  40
4   5  50
5   6  60
6   7  70
7   8  80
8   9  90
9  10 100

使用负数时，tail(-n) 等价于 df[n:]。

🧠 应用场景

数据探索：快速查看数据集的末尾部分；
调试分析：验证数据处理是否影响了最后几行；
日志或时间序列分析：查看最近插入的数据；
结合其他方法使用：如 df.sort_values().tail() 查看最大值；
链式操作中查看结果：如 df.groupby(...).sum().tail()。

⚠️ 注意事项

默认显示 5 行，可通过参数 n 自定义；
支持负数参数，表示排除前若干行；
不会修改原始 DataFrame；
对大型数据集非常友好，仅加载少量数据便于查看；
与 .head() 相对，.head() 查看前几行，.tail() 查看后几行。