head和tail是pandas中安全取前n行与后n行的首选方法，n超限时返回全部行且不报错；它们仅接受整数位置参数n，不支持负数排除语义，链式中惰性执行，groupby后行为特殊。
head 和 tail 是 Pandas 中最直接、最安全的取前 N 行与后 N 行的方式。只要 DataFrame 不为空，它们就一定返回 DataFrame（哪怕 N 超出实际行数），不会报错或意外截断索引。
为什么不用 iloc[:N] 或 iloc[-N:]？
看似等价，但有关键差异：
-
head(N)在N > len(df)时返回全部行，而iloc[:N]虽然也安全，但语义上是“切片”，容易让人误以为会抛IndexError（其实不会） -
tail(N)自动处理负索引逻辑：比如df.tail(1)等价于df.iloc[-1:]，不是df.iloc[-1]（后者返回 Series） -
iloc[-N:]在N == 0时返回空 DataFrame，tail(0)同样如此；但tail(-1)会报ValueError，这点和iloc一致，需注意
head 与 tail 的参数陷阱
两个函数都只接受一个位置参数 n（整数），不支持传入字符串或布尔条件：
-
n为正数：取前/后n行（默认n=5） -
n为 0：返回空 DataFrame（df.head(0)→Empty DataFrame） -
n为负数：报ValueError: number of rows must be >= 0—— 它们不支持“排除前 N 行”这类语义 - 不能写成
df.head(n=10)（虽然语法合法，但属于冗余关键字调用，Pandas 源码中该参数仅定义为位置参数）
性能与链式操作中的行为
在管道（pipe）或方法链中，head/tail 是惰性的、无副作用的视图操作：
- 它们不修改原
df，也不触发copy（底层仍共享数据块，除非后续修改） - 对超大 DataFrame（千万级行），
head(10)几乎瞬时完成，因为不涉及实际数据搬运，只调整视图指针 - 但
tail(10)在某些存储格式（如未按索引排序的 Parquet）下可能略慢，因需定位末尾物理位置；不过对内存中已加载的 DataFrame，影响可忽略 - 若在链式中多次调用（如
df.sort_values(...).tail(5).head(3)），注意顺序：先tail再head才能拿到“最后 5 行里的前 3 行”
替代方案的适用边界
当 head/tail 不够用时，才考虑其他方式：
- 需要“排除前 N 行” → 用
df.iloc[N:]，不是df.tail(-N)（后者非法） - 需要按条件取“最后满足某条件的 N 行” → 先布尔索引再
tail，例如df[df['x'] > 0].tail(3) - 需要保留原始索引连续性（比如做分页展示）→
head/tail会保留原索引，无需额外处理；但若用了reset_index()，就得自己控制drop=True/False - 读取 CSV 时就只取前 N 行 → 应优先用
pd.read_csv(..., nrows=N)，比read_csv(...).head(N)节省内存
真正容易被忽略的是：当 DataFrame 经过 groupby、resample 等操作后返回 GroupBy 或 Resampler 对象时，head 和 tail 依然可用，但行为不同——比如 df.groupby('key').head(2) 是“每组取前 2 行”，不是“整个结果取前 2 行”。这个语义重载不看文档很容易踩空。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
