http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.head.html?highlight=head#pandas.DataFrame.head

df2 = df.head(10)

应该可以

您也可以这样做作为一个方便：
df[:10]

有很多种方法可以做到这一点。下面我们将讨论至少三种选择。
为了保留原始 Dataframe df，我们将切片 Dataframe 分配给df_new。
最后，在章节时间比较中，我们将使用随机 Dataframe 显示不同的执行时间。

• • 备选案文1**

df_new = df[:10] # Option 1.1

# or

df_new = df[0:10] # Option 1.2

• • 备选案文2**

使用head

df_new = df.head(10)

对于n的负值，此函数返回除最后n行之外的所有行，等效于df[:-n]Source(https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.head.html)。

• • 备选案文3**

使用iloc

df_new = df.iloc[:10] # Option 3.1

# or

df_new = df.iloc[0:10] # Option 3.2

• • 时间比较**

对于这种特定情况，我们使用time.perf_counter()来度量执行时间。

method                   time
0  Option 1.1 0.00000120000913739204
1  Option 1.2 0.00000149995321407914
2    Option 2 0.00000170001294463873
3  Option 3.1 0.00000120000913739204
4  Option 3.2 0.00000350002665072680

由于有各种各样的变量可能影响执行时间，这可能会根据所使用的 Dataframe 等因素而改变。

• • 注：**
• 除了10之外，用户还可以用所需的行数来替换前面的操作。

df_new = df[:5]

将返回包含前5行的 Dataframe 。

• 还有其他方法可以测量执行时间。要了解其他方法，请阅读以下内容：How do I get time of a Python program's execution?
• 还可以将前面的选项调整为lambda函数，如下所示

df_new = df.apply(lambda x: x[:10])

# or

df_new = df.apply(lambda x: x.head(10))

但是，请注意，存在strong opinions on the usage of .apply()，对于本例，它远非必需的方法。

df.ix[10,:]为您提供了从第10行开始的所有列。在您的示例中，您需要直到第10行df.ix[:9,:]为止的所有列。请注意，切片范围的右端包括第10行：http://pandas.sourceforge.net/gotchas.html#endpoints-are-inclusive

DataFrame[:n]将返回前n行。