Bỏ qua đến nội dung chính
Mục lục

head(), tail(), sample() trong pandas: xem nhanh DataFrame

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 5/8 · Chương 2

Series và DataFrame

  • 5 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

head(), tail() và sample() của pandas cho bạn xem nhanh vài dòng của một DataFrame thay cho in cả bảng nghìn dòng: head() lấy dòng đầu, tail() lấy dòng cuối, sample() lấy dòng ngẫu nhiên. Đây là việc đầu tiên sau khi đọc một file lạ, trước mọi phép tính.

Cần biết trước: DataFrame và số ngẫu nhiên trong NumPy.

Xem dòng đầu bằng head()

head() trả năm dòng đầu của bảng; truyền một số để lấy số dòng khác. Kết quả là một DataFrame nhỏ hơn, giữ nguyên nhãn dòng:

python
import pandas as pd

chi_tieu = pd.read_csv("chi_tieu.csv")
print(chi_tieu.head())

KẾT QUẢ

         ngay  danh_muc               mo_ta  so_tien   hinh_thuc
0  2025-01-01   Ăn uống           Bánh cuốn    27000    Tiền mặt
1  2025-01-01   Ăn uống  Cơm trưa văn phòng    59000    Tiền mặt
2  2025-01-01   Ăn uống              Cà phê    35000  Ví điện tử
3  2025-01-01   Ăn uống              Đi chợ   191000    Tiền mặt
4  2025-01-02  Sức khỏe         Phí tập gym   500000         Thẻ

Năm dòng là năm khoản chi đầu năm 2025, đủ để thấy tên cột, kiểu giá trị và cách ghi ngày. head(2) chỉ lấy hai dòng. Bảng ít dòng hơn số bạn xin thì head() trả cả bảng, không báo lỗi.

Xem dòng cuối bằng tail()

tail() làm việc tương tự ở cuối bảng. Nó hữu ích để kiểm file có bị cắt giữa chừng không, hay có dòng tổng cộng lẫn ở cuối không:

python
import pandas as pd

chi_tieu = pd.read_csv("chi_tieu.csv")
cuoi = chi_tieu.tail(3)
print(cuoi[["ngay", "mo_ta", "so_tien"]])
print(cuoi.index.to_list())

KẾT QUẢ

            ngay               mo_ta  so_tien
1033  2025-12-30              Cà phê    39000
1034  2025-12-31             Bánh mì    31000
1035  2025-12-31  Cơm trưa văn phòng    48000
[1033, 1034, 1035]

Ngày cuối là 31/12/2025, đúng hết năm, nên file đủ. Nhãn dòng 1033 đến 1035 cho biết bảng có 1.036 dòng, đánh từ 0. Ở đây chỉ in ba cột để bảng vừa chiều ngang.

Lấy dòng ngẫu nhiên bằng sample()

Dòng đầu và dòng cuối có thể không giống phần giữa: file chi tiêu bắt đầu bằng ngày đầu năm và kết thúc ở ngày cuối năm. sample(n) lấy n dòng bất kỳ trong cả bảng. Tham số random_state cố định lần bốc, nên lần chạy sau cho cùng các dòng:

python
import pandas as pd

chi_tieu = pd.read_csv("chi_tieu.csv")
mau = chi_tieu.sample(3, random_state=7)
print(mau[["ngay", "danh_muc", "so_tien"]])

KẾT QUẢ

           ngay   danh_muc  so_tien
54   2025-01-20    Ăn uống    37000
817  2025-10-13  Di chuyển    99000
884  2025-11-08    Ăn uống    47000

Các dòng nằm rải rác trong năm và giữ nhãn gốc, nên bạn biết từng dòng đứng đâu trong file. Đổi 7 thành 8 rồi chạy lại: ba dòng khác hiện ra, và vẫn là ba dòng đó mỗi lần chạy với 8.

Vì sao luôn ghi random_state

Không có random_state, mỗi lần chạy bốc ra các dòng khác nhau: người đọc báo cáo của bạn chạy lại sẽ không thấy đúng các dòng bạn tả. random_state đóng vai hạt giống như default_rng(7) của NumPy:

python
import pandas as pd

chi_tieu = pd.read_csv("chi_tieu.csv")
lan_1 = chi_tieu.sample(5, random_state=42).index.to_list()
lan_2 = chi_tieu.sample(5, random_state=42).index.to_list()
print(lan_1 == lan_2)
print(len(set(lan_1)))

KẾT QUẢ

True
5

Hai lần bốc với cùng hạt giống ra cùng năm nhãn. Năm nhãn khác nhau: sample() mặc định không bốc một dòng hai lần.

Kiểm tra nhanh

  1. Sau import pandas as pd, len(pd.DataFrame({"a": range(10)}).head()) cho kết quả gì?

    • 5
    • 10
    • 1
  2. Sau import pandas as pd, pd.DataFrame({"a": range(10)}).tail(2).index.to_list() cho kết quả gì?

    • [8, 9]
    • [0, 1]
    • [1, 2]
  3. Vì sao nên ghi random_state khi dùng sample() trong báo cáo?

    • Để người khác chạy lại thấy đúng các dòng bạn thấy
    • Để sample() chạy nhanh hơn
    • Để sample() lấy dòng đầu bảng
  4. Trong khung bẫy, ba_dong.sample(5, random_state=1) cho kết quả gì?

    • Báo lỗi ValueError, vì bảng chỉ có ba dòng
    • Trả cả ba dòng
    • Trả năm dòng, có dòng lặp
Đúng hết lần đầu +15 XP

Bài tập

Mẫu kiểm tra đơn hàng

Mỗi tuần bạn bốc ngẫu nhiên vài đơn để gọi lại hỏi khách. Viết thân hàm mau_kiem_tra(bang, n, hat): lấy n dòng ngẫu nhiên của bang bằng sample() với hạt giống hat. Bảng có ít hơn n dòng thì lấy hết các dòng (vẫn qua sample()). Các dòng giữ nhãn gốc. Hàm không sửa bảng của nơi gọi.

Trả về: các dòng được bốc, một DataFrame.

python
import pandas as pd

def mau_kiem_tra(bang, n, hat):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • df.head(n) lấy n dòng đầu, mặc định năm; df.tail(n) lấy n dòng cuối; cả hai giữ nhãn gốc.

  • head(), tail() với số lớn hơn số dòng trả cả bảng, không báo lỗi.

  • df.sample(n, random_state=k) lấy n dòng ngẫu nhiên, không lặp, cùng k thì cùng các dòng.

  • sample() với n lớn hơn số dòng báo ValueError; chặn bằng min(n, len(df)).

Câu hỏi thường gặp

Lấy mẫu theo tỉ lệ thay cho số dòng được không?

Được: sample(frac=0.1, random_state=7) lấy khoảng 10% số dòng, làm tròn. Không ghi cùng lúc n và frac.

head() có in ra luôn không?

Không: head() trả một DataFrame. Trong notebook, biểu thức cuối của ô được hiện ra nên trông như có in; trong file .py hay trên trang này, bạn cần print(df.head()).

Muốn bốc có lặp lại một dòng thì sao?

Thêm replace=True: mỗi lần bốc trả dòng về chỗ cũ, nên một dòng có thể hiện nhiều lần và n được lớn hơn số dòng. Cách này dùng khi lấy mẫu lặp lại để ước lượng, ít gặp khi chỉ xem dữ liệu.

Sau khi xem vài dòng thì làm gì tiếp?

Xem cả bảng ở mức tổng: số dòng, kiểu từng cột, ô thiếu, giá trị nhỏ nhất và lớn nhất. Bài info() và describe() làm việc đó.

Chủ đề

pandas head

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập