pandas head()の使い方｜df.head()で先頭5行を表示・tail()との違いも解説

pandas の head() は、DataFrameやSeriesの先頭行を表示するメソッドです。

何も指定せずに df.head() と書くと、標準では先頭5行が表示されます。

CSVやExcelを読み込んだあと、まず df.head() で先頭を確認すると、列名・値の入り方・データの読み込み状態をすばやくチェックできます。

この記事では、df.head() の基本、head(10) のような行数指定、tail() との違い、sample() との使い分け、CSV読み込み後の確認方法まで、初心者向けに出力例つきで解説します。

この記事でわかること

• df.head() の意味
• df.head() で先頭5行が表示される仕組み
• df.head(10) のように表示行数を指定する方法
• head()、tail()、sample() の違い
• CSVを読み込んだあとに head() で確認する流れ
• print(df.head())、head(0)、df.columns の使い分け
• DataFrameだけでなくSeriesでも head() が使えること
• 先頭1行を表示する df.head(1) と、値を取り出す df.iloc[0] の違い

pandas head()とは？DataFrameの先頭行を表示するメソッド

head() は、DataFrameやSeriesの先頭部分を確認するためのメソッドです。

基本形は次のとおりです。

df.head()

df.head() を使うと、DataFrameの最初の数行を表示できます。

大きなデータを扱うとき、全行を表示すると見づらくなるため、まずは head() で先頭だけ確認するのが実務でもよく使われる流れです。

サンプルデータを用意する

ここでは、売上データを例にします。

商品、カテゴリ、店舗、売上、数量 を持つDataFrameを作成します。

import pandas as pd

df = pd.DataFrame({
    "注文ID": [101, 102, 103, 104, 105, 106, 107, 108],
    "商品": ["ノートPC", "マウス", "キーボード", "モニター", "USBメモリ", "ノートPC", "マウス", "モニター"],
    "カテゴリ": ["PC", "周辺機器", "周辺機器", "周辺機器", "記録媒体", "PC", "周辺機器", "周辺機器"],
    "店舗": ["東京", "東京", "大阪", "大阪", "名古屋", "東京", "名古屋", "大阪"],
    "数量": [1, 5, 3, 2, 10, 1, 4, 2],
    "売上": [120000, 15000, 24000, 64000, 25000, 115000, 11200, 70000]
})

df

このDataFrameを使って、head() の使い方を確認していきます。

df.head()の基本的な使い方

ここでは、df.head() の標準表示と、表示行数の指定方法を確認します。

df.head()は何も指定しないと先頭5行を表示する

df.head() を実行すると、DataFrameの先頭5行が表示されます。

df.head()

df.head() の結果を見ると、先頭から5行だけが表示されます。

ここで確認したいのは、主に次のような点です。

• 列名が想定どおりか
• 文字化けしていないか
• 数値列が正しく読み込まれているか
• 不自然な値が入っていないか
• データの雰囲気が想定と合っているか

特にCSVやExcelを読み込んだ直後は、まず df.head() で先頭を確認すると安心です。

df.head(10)で表示する行数を指定する

head() の引数に数値を指定すると、表示する行数を変更できます。

たとえば、先頭3行だけ表示したい場合は、次のように書きます。

df.head(3)

先頭10行を表示したい場合は、df.head(10) と書きます。

df.head(10)

今回のDataFrameは8行しかないため、df.head(10) としても全8行が表示されます。

つまり、指定した行数がDataFrameの行数より多い場合でも、エラーにはならず、存在する行だけが表示されます。

head()とtail()・sample()の違い

head() と似たメソッドとして、tail() と sample() があります。それぞれの役割を整理します。

head()とtail()の違い

head() とよく一緒に使われるのが tail() です。

違いはシンプルです。

まず、head() で先頭を確認します。

df.head()

次に、tail() で末尾を確認します。

df.tail()

head() は先頭5行、tail() は末尾5行を表示します。

CSVやExcelを読み込んだときは、先頭だけでなく末尾も確認すると、途中でデータが切れていないか、最後の行まで正しく読み込まれているかを確認しやすくなります。

たとえば、次のような流れで使えます。

df.head()
df.tail()

先頭と末尾の両方を見ることで、データ全体の読み込み状態をざっくり確認できます。

head()・tail()・sample()の使い分け

DataFrameの一部を確認する方法には、head()、tail()、sample() があります。

それぞれの違いは次のとおりです。

sample() は、DataFrameからランダムに行を取り出すメソッドです。

df.sample(3, random_state=0)

head() は先頭だけを見るため、データが並び順に偏っている場合は全体像をつかみにくいことがあります。

そのようなときは、sample() でランダムに数行を確認すると、より全体の雰囲気をつかみやすくなります。

ただし、初心者のうちはまず次の順番で十分です。

1. df.head() で先頭を確認
2. df.tail() で末尾を確認
3. 必要に応じて df.sample() でランダムに確認

CSVを読み込んだあとにhead()で確認する流れ

実際の作業では、CSVを読み込んだ直後に head() を使うことが多いです。

基本の流れは次のとおりです。

df = pd.read_csv("sample.csv")
df.head()

ここでは、CSV読み込み後の確認イメージとして、作成済みのDataFrameを使って流れを確認します。

# 実際には次のようにCSVを読み込むことが多いです
# df = pd.read_csv("sample.csv")

df.head()

CSVを読み込んだあとに head() を使うと、次の点を確認できます。

read_csv() のあとに df.head() を入れる習慣をつけると、読み込みミスに早く気づけます。

head()の補足的な使い方

ここからは、print(df.head())、head(0)、Series、スライス、iloc との違いなど、実務で迷いやすい補足を整理します。

df.head()とprint(df.head())の違い

Google ColabやJupyter Notebookでは、セルの最後に df.head() と書くだけで表形式で表示されます。

df.head()

一方、Pythonスクリプトやターミナルで実行する場合は、print(df.head()) と書くことがあります。

print(df.head())

   注文ID      商品  カテゴリ   店舗  数量      売上
0   101   ノートPC    PC   東京   1  120000
1   102     マウス  周辺機器   東京   5   15000
2   103   キーボード  周辺機器   大阪   3   24000
3   104    モニター  周辺機器   大阪   2   64000
4   105  USBメモリ  記録媒体  名古屋  10   25000

Google Colabでは、基本的に df.head() だけで見やすく表示されます。

初心者がColabで学習している場合は、まず df.head() だけで十分です。

head(0)でカラム名だけ確認する

df.head(0) と書くと、行データは表示せず、列名だけを確認できます。

df.head(0)

head(0) は、データの中身ではなく、列名だけを確認したいときに使えます。

たとえば、列数が多いデータで、どんなカラムがあるかだけ見たい場合に便利です。

ただし、列名だけ確認するなら、次のように df.columns を使う方法もあります。

df.columns

head(0) は表の形を保ったまま列名を確認したいとき、df.columns は列名の一覧を確認したいときに使いやすいです。

Seriesでもhead()は使える

head() はDataFrameだけでなく、Seriesにも使えます。

Seriesとは、DataFrameの1列を取り出したようなデータです。

たとえば、売上 列だけを取り出して head() を使ってみます。

df["売上"].head()

Seriesに対して head() を使うと、そのSeriesの先頭5件が表示されます。

もちろん、行数指定もできます。

df["売上"].head(3)

DataFrameでもSeriesでも、head() の基本的な考え方は同じです。

スライスで先頭行を確認する方法との違い

head() と似たことは、スライスでもできます。

たとえば、先頭3行を表示する場合、次の2つは近い結果になります。

df.head(3)

df[:3]

どちらも先頭3行を表示できます。

ただし、初心者には df.head(3) の方が意味がわかりやすいです。

データ確認の目的なら、まずは head() を使えば十分です。

先頭1行だけ確認する・値を取り出す場合

先頭1行だけ確認したい場合は、df.head(1) を使います。

df.head(1)

ただし、head() は基本的には表示して確認するためのメソッドです。

先頭行の値を取り出して計算や処理に使いたい場合は、iloc を使う方が自然です。

df.iloc[0]

df.iloc[0] は、DataFrameの先頭行をSeriesとして取り出します。

初心者のうちは、画面で確認するなら head()、値を取り出すなら iloc と分けて考えるとわかりやすいです。

よくあるミス

df.head()を書いても全データが表示されると思ってしまう

df.head() は、標準では先頭5行だけを表示します。

全データを表示するメソッドではありません。

df.head(10)で必ず10行表示されると思ってしまう

DataFrameに10行未満しかない場合は、存在する行だけが表示されます。

tail()との違いを混同する

head() は先頭行、tail() は末尾行です。

print(df.head())を毎回使う必要があると思ってしまう

Google ColabやJupyter Notebookでは、セルの最後に df.head() と書くだけで表示できます。

Pythonスクリプトで実行する場合は、print(df.head()) を使うことがあります。

head()だけ見てデータ全体を判断してしまう

head() は先頭だけを表示します。

データが並び順に偏っている場合、先頭だけでは全体像を誤解することがあります。

必要に応じて、tail() や sample() も使いましょう。

head()で値を取り出そうとしてしまう

head() は、基本的には先頭行を画面で確認するためのメソッドです。

先頭行そのものを取り出して処理したい場合は、df.iloc[0] を使う方が自然です。

実務でのおすすめ確認手順

CSVやExcelを読み込んだあと、最初に何を確認すればよいかわからない場合は、次の順番がおすすめです。

df.head()
df.tail()
df.info()
df.describe()

それぞれの役割は次のとおりです。

head() は、データ確認の最初の一歩です。

その後、info() や describe() に進むと、データの構造や統計量をより詳しく確認できます。

まとめ

この記事では、pandas の head() の使い方を解説しました。

重要なポイントは次のとおりです。

head() は、CSVやExcelを読み込んだ直後に、データが正しく読み込めているかを確認するための基本メソッドです。

最初は、次の流れを覚えておけば十分です。

df.head()
df.tail()
df.info()
df.describe()

まず head() で先頭を確認し、必要に応じて tail()、sample()、info()、describe() へ進みましょう。

次に読みたい関連記事

• Pandas DataFrame入門｜作り方・基本操作をわかりやすく解説
• Google ColabでCSVを読み込む方法｜Drive連携とpandas read_csvを初心者向けに解説
• pandas describe()の使い方｜統計量の意味・include=’all’・info()との違いを解説
• pandas value_counts()の使い方｜件数集計・割合表示・欠損値の数え方を解説
• pandas 条件抽出（filtering）入門｜AND/OR・query関数・複数条件の指定方法
• Pandas locとilocの違い｜行・列の抽出/スライス/条件指定を図解で解説

公式ドキュメント

詳しい仕様を確認したい場合は、pandas公式ドキュメントも参考になります。

• pandas.DataFrame.head 公式ドキュメント
• pandas.DataFrame.tail 公式ドキュメント
• pandas.DataFrame.sample 公式ドキュメント

▲ ページトップへ戻る