Pandas中nrows参数与df.head()方法的区别是什么？
2026-8-6
区别与适用场景解析
核心差异
执行时机与内存占用
pd.read_csv("file.csv", nrows=25)：在读取文件阶段就只加载前25行到内存，剩余内容完全不处理。如果CSV文件体积超大（比如数GB级），这种方法能避免把全量数据塞进内存，既节省资源又提升速度。df.head(25)：必须先把整个CSV文件完整加载到内存生成DataFrame，再从中截取前25行。面对大文件时，这一步可能触发内存不足报错，或耗费大量加载时间。
操作阶段不同
两者最终都返回含前25行的DataFrame，但nrows是在数据读取环节做限制，head()是在数据已全量加载完成后做截取。
为什么存在两种方法？
这是为了适配不同的使用场景：
- 若只是快速预览文件结构、数据格式，无需处理全量数据，用
nrows=25更高效，尤其适合大文件场景。 - 若已经加载了全量数据到DataFrame，后续需要多次查看前几行（比如数据清洗后再次确认），直接用
df.head(25)更方便，无需重复读取文件。
举个直观例子：
- 大文件预览：
pd.read_csv("large_data.csv", nrows=25)直接获取前25行，内存压力极小。 - 已加载数据查看：
df = pd.read_csv("small_data.csv")之后，df.head(25)快速截取，无需重新读文件。
内容的提问来源于stack exchange，提问作者Abhay Banugariya
相关产品推荐
相关产品推荐
