### 使用 Pandas 处理 Python 字典并保留前 N 行数据 在处理 Python 字典时，可以使用 Pandas 将字典转换为 DataFrame，并通过切片操作轻松保留前 N 行数据。以下是具体实现方法： #### 1. 将字典转换为 DataFrame Pandas 提供了 `pd.DataFrame()` 方法，可以直接将字典转换为 DataFrame 对象[^2]。以下是一个示例代码： ```python import pandas as pd # 示例字典数据 data = { '姓名': ['小明', '小红', '小刚', '小李'], '年龄': [18, 20, 19, 22], '性别': ['男', '女', '男', '女'] } # 将字典转换为 DataFrame df = pd.DataFrame(data) print("完整的 DataFrame:") print(df) ``` #### 2. 保留前 N 行数据 Pandas 的 DataFrame 支持直接使用 `.head(N)` 方法或切片操作来保留前 N 行数据。以下分别展示两种方式： ##### 方法一：使用 `.head(N)` `.head(N)` 方法可以返回 DataFrame 的前 N 行数据。如果 N 超过实际行数，则返回所有行。 ```python # 保留前 3 行 df_top_n = df.head(3) print("\n使用 .head(3) 保留的前 3 行:") print(df_top_n) ``` ##### 方法二：使用切片操作 可以通过切片操作 `[ :N ]` 来保留前 N 行数据。此方法与 `.head(N)` 功能类似。 ```python # 保留前 3 行 df_top_n_slice = df[:3] print("\n使用切片 [:3] 保留的前 3 行:") print(df_top_n_slice) ``` #### 3. 示例输出 假设输入字典为： ```python data = { '姓名': ['小明', '小红', '小刚', '小李'], '年龄': [18, 20, 19, 22], '性别': ['男', '女', '男', '女'] } ``` 运行上述代码后，输出结果如下： ``` 完整的 DataFrame: 姓名 年龄 性别 0 小明 18 男 1 小红 20 女 2 小刚 19 男 3 小李 22 女 使用 .head(3) 保留的前 3 行: 姓名 年龄 性别 0 小明 18 男 1 小红 20 女 2 小刚 19 男 使用切片 [:3] 保留的前 3 行: 姓名 年龄 性别 0 小明 18 男 1 小红 20 女 2 小刚 19 男 ``` #### 注意事项 - 如果需要对 DataFrame 进行排序后再保留前 N 行，可以先使用 `sort_values()` 方法进行排序[^1]。 - 在处理大型数据集时，推荐使用 `.head(N)` 方法，因为它更高效且易于理解。 ---