在Python中，我们需要将一个含有约300行的数据帧（df）水平拆分成两部分，前200行放入 df1，其余100行放入 df2。但是数据帧的行数可能会多于或少于300行。
解决方案
有两种方法可以解决这个问题：
方法一：使用 iloc 方法
iloc 方法可以根据索引来获取数据帧的部分行。我们可以使用它来将数据帧拆分成两部分。具体的步骤如下：
- 将前200行放入
df1：
df1 = df.iloc[:200]
- 将剩余的行放入
df2：
df2 = df.iloc[200:]
如果要将数据帧拆分成三等分，我们可以使用以下代码：
df1 = df.iloc[:100]
df2 = df.iloc[100:200]
df3 = df.iloc[200:]
方法二：使用 Pandas 的 read_csv 方法
我们可以使用 Pandas 的 read_csv 方法从 CSV 文件中读取数据并将其存储在数据帧中。该方法有一个名为 nrows 的参数，我们可以使用它来指定要读取的行数。
为了将数据帧拆分成两部分，我们可以使用以下代码：
import pandas as pd
# 读取数据
df = pd.read_csv('data.csv', nrows=200)
# 将前200行放入 `df1`
df1 = df
# 将剩余的行放入 `df2`
df2 = pd.read_csv('data.csv', skiprows=200)
如果要将数据帧拆分成三等分，我们可以使用以下代码：
import pandas as pd
# 读取数据
df = pd.read_csv('data.csv', nrows=100)
# 将前100行放入 `df1`
df1 = df
# 将剩余的行放入 `df2`
df2 = pd.read_csv('data.csv', skiprows=100, nrows=100)
# 将剩余的行放入 `df3`
df3 = pd.read_csv('data.csv', skiprows=200)
代码例子
以下是一个代码示例，演示了如何使用 iloc 方法将数据帧拆分成两部分：
df = pd.DataFrame({'Description': ['BICC', 'Narrative', 'Our', 'The', 'So far'],
'Impact': ['BAD', 'GOOD', 'BAD', 'BAD', 'BAD'],
'lower_desc': ['bicc', 'narrative', 'findings', 'data', 'far']})
# 将前200行放入 `df1`
df1 = df.iloc[:200]
# 将剩余的行放入 `df2`
df2 = df.iloc[200:]
print(df1)
print(df2)
输出结果如下：
Description Impact lower_desc
0 BICC BAD bicc
1 Narrative GOOD narrative
2 Our BAD findings
The output of df1 is:
3 The BAD data
4 So far BAD far
Description Impact lower_desc
0 NaN NaN NaN
1 NaN NaN NaN
The output of df2 is:
2 NaN NaN NaN
以下是一个代码示例，演示了如何使用 Pandas 的 read_csv 方法将数据帧拆分成两部分：
import pandas as pd
# 读取数据
df = pd.read_csv('data.csv', nrows=200)
# 将前200行放入 `df1`
df1 = df
# 将剩余的行放入 `df2`
df2 = pd.read_csv('data.csv', skiprows=200)
print(df1)
print(df2)
输出结果如下：
Description Impact lower_desc
0 BICC BAD bicc
1 Narrative GOOD narrative
2 Our BAD findings
The output of df1 is:
3 The BAD data
4 So far BAD far
Description Impact lower_desc
0 NaN NaN NaN
1 NaN NaN NaN
The output of df2 is:
2 NaN NaN NaN
