ฉันต้องการรับรายการส่วนหัวคอลัมน์จาก DataFrame แพนด้า DataFrame จะมาจากการป้อนข้อมูลของผู้ใช้ดังนั้นฉันจะไม่ทราบจำนวนคอลัมน์ที่จะมีหรือสิ่งที่พวกเขาจะถูกเรียก

ตัวอย่างเช่นถ้าฉันได้รับ DataFrame เช่นนี้:

>>> my_dataframe
    y  gdp  cap
0   1    2    5
1   2    3    9
2   8    7    2
3   3    4    7
4   6    7    7
5   4    8    3
6   8    2    8
7   9    9   10
8   6    6    4
9  10   10    7

ฉันต้องการรับรายการแบบนี้:

>>> header_list
['y', 'gdp', 'cap']

คุณสามารถรับค่าเป็นรายการโดยทำ:

list(my_dataframe.columns.values)

นอกจากนี้คุณสามารถใช้: (ดังแสดงในคำตอบของ Ed Chum ):

list(my_dataframe)

มีวิธีการในตัวซึ่งเป็นสิ่งที่มีประสิทธิภาพมากที่สุด:

my_dataframe.columns.values.tolist()

.columnsส่งคืนดัชนี.columns.valuesส่งกลับอาร์เรย์และมีฟังก์ชั่นผู้ช่วย.tolistเพื่อกลับรายการ

หากประสิทธิภาพไม่สำคัญเท่ากับคุณIndexวัตถุจะกำหนด.tolist()วิธีการที่คุณสามารถโทรได้โดยตรง:

my_dataframe.columns.tolist()

ความแตกต่างของประสิทธิภาพชัดเจน:

%timeit df.columns.tolist()
16.7 µs ± 317 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit df.columns.values.tolist()
1.24 µs ± 12.3 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

สำหรับผู้ที่เกลียดการพิมพ์คุณก็สามารถโทรlistได้ที่dfเป็นดังนั้น:

list(df)

ทำการทดสอบอย่างรวดเร็วและบางทีการใช้เวอร์ชันในตัวที่ไม่น่าแปลกใจdataframe.columns.values.tolist()ก็เป็นวิธีที่เร็วที่สุด:

In [1]: %timeit [column for column in df]
1000 loops, best of 3: 81.6 µs per loop

In [2]: %timeit df.columns.values.tolist()
10000 loops, best of 3: 16.1 µs per loop

In [3]: %timeit list(df)
10000 loops, best of 3: 44.9 µs per loop

In [4]: % timeit list(df.columns.values)
10000 loops, best of 3: 38.4 µs per loop

(ฉันยังชอบอยู่เหมือนlist(dataframe)เดิมดังนั้นขอบคุณ EdChum!)

มันง่ายยิ่งขึ้น (โดย pandas 0.16.0):

df.columns.tolist()

จะให้ชื่อคอลัมน์ในรายการที่ดี

>>> list(my_dataframe)
['y', 'gdp', 'cap']

ในการแสดงรายการคอลัมน์ของ dataframe ขณะอยู่ในโหมดดีบักเกอร์ให้ใช้ list comprehension:

>>> [c for c in my_dataframe]
['y', 'gdp', 'cap']

โดยวิธีการที่คุณจะได้รับรายการเรียงโดยใช้sorted:

>>> sorted(my_dataframe)
['cap', 'gdp', 'y']

ประหลาดใจฉันยังไม่เห็นโพสต์นี้ดังนั้นฉันจะทิ้งไว้ที่นี่

ขยาย Iterable Unpacking (python3.5 +): [*df]และเพื่อน ๆ

การนำออกการแกะ (PEP 448)ได้รับการแนะนำด้วย Python 3.5 ดังนั้นการดำเนินการต่อไปนี้เป็นไปได้ทั้งหมด

df = pd.DataFrame('x', columns=['A', 'B', 'C'], index=range(5))
df

   A  B  C
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x 

ถ้าคุณต้องการlist....

[*df]
# ['A', 'B', 'C']

หรือหากคุณต้องการset,

{*df}
# {'A', 'B', 'C'}

หรือหากคุณต้องการtuple,

*df,  # Please note the trailing comma
# ('A', 'B', 'C')

หรือถ้าคุณต้องการเก็บผลลัพธ์ไว้ที่ใดที่หนึ่ง

*cols, = df  # A wild comma appears, again
cols
# ['A', 'B', 'C']

... หากคุณเป็นคนที่แปลงกาแฟเป็นคนพิมพ์เสียงก็จะเป็นการบริโภคกาแฟของคุณอย่างมีประสิทธิภาพมากขึ้น;)

ป.ล. : ถ้าประสิทธิภาพเป็นสิ่งสำคัญคุณจะต้องทิ้งแนวทางแก้ไขปัญหาข้างต้นลงไป

df.columns.to_numpy().tolist()
# ['A', 'B', 'C']

นี้จะคล้ายกับคำตอบของเอ็ดชุมของแต่ปรับปรุงสำหรับ v0.24 ที่เป็นที่ต้องการการใช้งานของ.to_numpy() .valuesดู คำตอบนี้ (โดยฉัน) สำหรับข้อมูลเพิ่มเติม

การตรวจสอบด้วยสายตา
เนื่องจากฉันได้เห็นสิ่งนี้ถูกกล่าวถึงในคำตอบอื่นคุณสามารถใช้การเปิดกล่องที่ไม่ต้องทำซ้ำ (ไม่จำเป็นต้องใช้ลูปที่ชัดเจน)

print(*df)
A B C

print(*df, sep='\n')
A
B
C

คำติชมของวิธีการอื่น ๆ

อย่าใช้การforวนซ้ำอย่างชัดเจนสำหรับการดำเนินการที่สามารถทำได้ในบรรทัดเดียว (ความเข้าใจในรายการไม่เป็นไร)

ถัดไปการใช้sorted(df) จะไม่รักษาลำดับดั้งเดิมของคอลัมน์ไว้ เพื่อที่คุณควรใช้list(df)แทน

ถัดไปlist(df.columns)และlist(df.columns.values)เป็นข้อเสนอแนะที่ไม่ดี (ณ เวอร์ชันปัจจุบัน v0.24) ทั้งอาร์เรย์ (ส่งIndexคืนจากdf.columns) และ NumPy (คืนโดยdf.columns.values) กำหนด.tolist()วิธีการที่เร็วขึ้นและเป็นสำนวนมากขึ้น

สุดท้ายการรับฟังคือlist(df)ควรใช้เป็นทางเลือกที่กระชับกับวิธีการดังกล่าวข้างต้นสำหรับ python <= 3.4 โดยที่ไม่สามารถทำการขยายเพิ่มเติมได้

my_dataframe.columnsที่มีอยู่เป็น

มันน่าสนใจ แต่df.columns.values.tolist()เร็วขึ้นเกือบ 3 เท่าแล้วdf.columns.tolist()แต่ฉันคิดว่ามันเหมือนกัน:

In [97]: %timeit df.columns.values.tolist()
100000 loops, best of 3: 2.97 µs per loop

In [98]: %timeit df.columns.tolist()
10000 loops, best of 3: 9.67 µs per loop

DataFrameตาม Dict เหมือนการประชุมของ iterating มากกว่า“กุญแจ” ของวัตถุ

my_dataframe.keys()

สร้างรายการของคีย์ / คอลัมน์ - วิธีการของวัตถุto_list()และวิธีการpythonic

my_dataframe.keys().to_list()
list(my_dataframe.keys())

การทำซ้ำขั้นพื้นฐานใน DataFrame ส่งคืนป้ายชื่อคอลัมน์

[column for column in my_dataframe]

อย่าแปลง DataFrame เป็นรายการเพียงเพื่อรับเลเบลคอลัมน์ อย่าหยุดคิดขณะค้นหาตัวอย่างรหัสที่สะดวก

xlarge = pd.DataFrame(np.arange(100000000).reshape(10000,10000))
list(xlarge) #compute time and memory consumption depend on dataframe size - O(N)
list(xlarge.keys()) #constant time operation - O(1)

ในโน้ตบุ๊ก

สำหรับการสำรวจข้อมูลในโน้ตบุ๊ก IPython วิธีที่ฉันชอบคือ:

sorted(df)

ซึ่งจะสร้างรายการเรียงตามลำดับตัวอักษรที่อ่านง่าย

ในที่เก็บรหัส

ในรหัสฉันคิดว่ามันชัดเจนมากขึ้นที่จะทำ

df.columns

เพราะมันบอกให้คนอื่นอ่านโค้ดของคุณว่าคุณกำลังทำอะไรอยู่

%%timeit
final_df.columns.values.tolist()
948 ns ± 19.2 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%%timeit
list(final_df.columns)
14.2 µs ± 79.1 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%%timeit
list(final_df.columns.values)
1.88 µs ± 11.7 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%%timeit
final_df.columns.tolist()
12.3 µs ± 27.4 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%%timeit
list(final_df.head(1).columns)
163 µs ± 20.6 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

ตอบโดย Simeon Visser ... คุณทำได้

list(my_dataframe.columns.values) 

หรือ

list(my_dataframe) # for less typing.

แต่ฉันคิดว่าจุดที่หวานที่สุดคือ:

list(my_dataframe.columns)

มันชัดเจนในเวลาเดียวกันไม่นานเกินความจำเป็น

หากต้องการตรวจสอบด้วยภาพที่รวดเร็วประณีตให้ลองทำดังนี้:

for col in df.columns:
    print col

สิ่งนี้ทำให้เรามีชื่อของคอลัมน์ในรายการ:

list(my_dataframe.columns)

ฟังก์ชั่นอื่นที่เรียกว่า tolist () สามารถใช้ได้เช่นกัน:

my_dataframe.columns.tolist()

ฉันรู้สึกว่าคำถามสมควรได้รับคำอธิบายเพิ่มเติม

ตามที่ @fixxxer บันทึกไว้คำตอบนั้นขึ้นอยู่กับเวอร์ชันของแพนด้าที่คุณใช้ในโครงการของคุณ ซึ่งคุณจะได้pd.__version__รับคำสั่งด้วย

หากคุณมีเหตุผลบางอย่างเช่นฉัน (ในเดเบียนเจสซีฉันใช้ 0.14.1) โดยใช้แพนด้ารุ่นเก่ากว่า 0.16.0 คุณต้องใช้:

df.keys().tolist()เพราะยังไม่มีdf.columnsวิธีการใช้งาน

ข้อดีของวิธีการของปุ่มนี้คือมันทำงานได้แม้ในแพนด้ารุ่นใหม่กว่าดังนั้นมันจึงเป็นสากลมากขึ้น

n = []
for i in my_dataframe.columns:
    n.append(i)
print n

แม้ว่าวิธีแก้ปัญหาที่ให้ไว้ข้างต้นนั้นดี ฉันยังคาดหวังบางอย่างเช่น frame.column_names () ให้เป็นฟังก์ชันในนุ่น แต่เนื่องจากมันไม่ใช่อาจจะเป็นการดีถ้าใช้ไวยากรณ์ต่อไปนี้ อย่างใดมันจะรักษาความรู้สึกที่คุณใช้แพนด้าในวิธีที่เหมาะสมโดยการเรียกฟังก์ชั่น "tolist": frame.columns.tolist ()

frame.columns.tolist() 

หาก DataFrame มีดัชนีหรือ MultiIndex และคุณต้องการรวมไว้เป็นชื่อคอลัมน์ด้วย:

names = list(filter(None, df.index.names + df.columns.values.tolist()))

มันหลีกเลี่ยงการเรียกใช้ reset_index () ซึ่งมีประสิทธิภาพที่ไม่จำเป็นสำหรับการดำเนินการอย่างง่าย

ฉันจำเป็นต้องใช้สิ่งนี้บ่อยขึ้นเพราะฉันปิดการทำงานข้อมูลจากฐานข้อมูลที่ดัชนีของ dataframe แมปไปยังคีย์หลัก / ที่ไม่ซ้ำกัน แต่จริงๆแล้วเป็น "คอลัมน์" อีกอันสำหรับฉัน มันอาจจะเป็นเรื่องที่สมเหตุสมผลสำหรับแพนด้าที่มีวิธีการในตัวสำหรับบางสิ่งเช่นนี้

วิธีการแก้ปัญหานี้แสดงรายการคอลัมน์ทั้งหมดของวัตถุของคุณ my_dataframe:

print(list(my_dataframe))