head(), tail(), sample() trong pandas: xem nhanh DataFrame
Bài 5/8 · Chương 2
Series và DataFrame
- 5 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 12
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:
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 ThẻNăm 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:
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:
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 47000Các 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:
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
5Hai 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
Sau
import pandas as pd,len(pd.DataFrame({"a": range(10)}).head())cho kết quả gì?5101
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]
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
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
- Báo lỗi
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.
import pandas as pd
def mau_kiem_tra(bang, n, hat):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
df.head(n)lấyndòng đầu, mặc định năm;df.tail(n)lấyndòng 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)lấyndòng ngẫu nhiên, không lặp, cùngkthì cùng các dòng.sample()vớinlớn hơn số dòng báoValueError; chặn bằngmin(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
Dữ liệu của bài
- Tải xuống
chi_tieu.csv
CSV · 56.82 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
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.