Bir panda DataFrame sütun başlıklarının bir listesini almak istiyorum. DataFrame kullanıcı girişinden gelecek, bu yüzden kaç tane sütun olacağını ya da ne adlandırılacağını bilmiyorum.

Örneğin, böyle bir DataFrame verildiğinde:

>>> 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

Böyle bir liste almak istiyorum:

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

Aşağıdakileri yaparak değerleri bir liste olarak alabilirsiniz:

list(my_dataframe.columns.values)

Ayrıca şunları kullanabilirsiniz: ( Ed Chum'un cevabında gösterildiği gibi ):

list(my_dataframe)

En performanslı olan yerleşik bir yöntem vardır:

my_dataframe.columns.values.tolist()

.columnsbir Dizin .columns.valuesdöndürür, bir dizi döndürür ve bunun .tolistbir liste döndürmek için yardımcı işlevi vardır .

Performans sizin için önemli değilse, Indexnesneler .tolist()doğrudan arayabileceğiniz bir yöntem tanımlar :

my_dataframe.columns.tolist()

Performans farkı açıktır:

%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)

Yazmaya nefret edenler için, sadece çağırabilir listüzerinde dfböylece,:

list(df)

Bazı hızlı testler yaptım ve belki de şaşırtıcı bir şekilde yerleşik sürümü kullanmak dataframe.columns.values.tolist()en hızlısıdır:

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

(Yine de gerçekten hoşuma gidiyor list(dataframe), bu yüzden teşekkürler EdChum!)

Daha da basitleşiyor (pandalar 0.16.0 tarafından):

df.columns.tolist()

size güzel bir listedeki sütun adlarını verecektir.

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

Hata ayıklayıcı modundayken bir veri çerçevesinin sütunlarını listelemek için bir liste kavrama kullanın:

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

Bu arada, aşağıdakileri kullanarak sıralı bir liste alabilirsiniz sorted:

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

Şimdiye kadar bunun yayınlandığını görmedim, bu yüzden burada bırakacağım.

Genişletilmiş Tekrarlanabilir Paket Açma (python3.5 +): [*df]ve Arkadaşlar

Ambalajdan çıkarma genellemeleri (PEP 448) Python 3.5 ile sunulmuştur. Böylece, aşağıdaki işlemlerin hepsi mümkündür.

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 

İsterseniz bir list....

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

Veya, isterseniz set,

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

Veya, isterseniz tuple,

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

Ya da sonucu bir yerde saklamak istiyorsanız,

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

... kahveyi ses yazmaya dönüştürebilecek türden biriyseniz, bu kahvenizi daha verimli tüketir;)

Not: performans önemliyse, yukarıdaki çözümleri lehine çıkarmak isteyeceksiniz.

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

Bu benzer Ed Chum cevabı , ancak v0.24 için güncellenmiş .to_numpy()kullanımı tercih edilir .values. Daha fazla bilgi için bu yanıta (benim tarafımdan) bakınız .

Görsel Kontrol
Diğer yanıtlarda tartışıldığını gördüğüm için, tekrarlanabilir ambalajlardan faydalanabilirsiniz (açık döngülere gerek yoktur).

print(*df)
A B C

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

Diğer Yöntemlerin Eleştirisi

forTek bir satırda yapılabilen bir işlem için açık bir döngü kullanmayın (Liste kavramaları uygundur).

Daha sonra, kullanmak sütunların sorted(df) orijinal sırasını korumaz . Bunun için kullanmalısınız list(df).

Sonra list(df.columns)ve list(df.columns.values)zayıf önerilerdir (mevcut sürüm itibariyle, v0.24). Hem Index(döndürülen df.columns) hem de NumPy dizileri (döndürülen df.columns.values) .tolist(), daha hızlı ve daha deyimsel olan yöntemi tanımlar .

Son olarak, listeleme yani, list(df)genişletilmiş ambalajın açılmasının mümkün olmadığı yerlerde, <= 3.4 python için yukarıda bahsedilen yöntemlere kısa bir alternatif olarak kullanılmalıdır.

Bu kullanılabilir my_dataframe.columns.

Bu ilginç ama df.columns.values.tolist()neredeyse 3 kat daha hızlı df.columns.tolist()ama aynı olduklarını düşündüm:

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

Bir DataFrame , nesnelerin “anahtarları” üzerinde yinelemenin dikte benzeri kuralını izler.

my_dataframe.keys()

Anahtar / sütun listesi oluşturma - nesne yöntemi to_list()ve pitonik yol

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

Bir DataFrame'deki temel yineleme sütun etiketlerini döndürür

[column for column in my_dataframe]

Yalnızca sütun etiketlerini almak için DataFrame'i bir listeye dönüştürmeyin. Uygun kod örnekleri ararken düşünmeyi bırakmayın.

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)

Not Defterinde

IPython not defterinde veri araştırması için tercih ettiğim yol şudur:

sorted(df)

Hangi alfabetik sıralı bir liste okumak için kolay üretecek.

Kod deposunda

Kodda yapmak daha açık buluyorum

df.columns

Çünkü başkalarına ne yaptığınızı kodunuzu okumasını söyler.

%%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)

Simeon Visser tarafından cevaplandığı gibi ...

list(my_dataframe.columns.values) 

veya

list(my_dataframe) # for less typing.

Ama bence en tatlı nokta:

list(my_dataframe.columns)

Açıktır, aynı zamanda gereksiz yere uzun değildir.

Hızlı, temiz, görsel bir kontrol için şunu deneyin:

for col in df.columns:
    print col

Bu bize bir listedeki sütunların adlarını verir:

list(my_dataframe.columns)

Tolist () adı verilen başka bir işlev de kullanılabilir:

my_dataframe.columns.tolist()

Sorunun ek açıklamayı hak ettiğini hissediyorum.

@Fixxxer'in belirttiği gibi, cevap projenizde kullandığınız panda sürümüne bağlıdır. Hangi pd.__version__komut ile alabilirsiniz .

Benim gibi bir nedenden dolayı (debian jessie'de 0.14.1 kullanıyorum) 0.16.0'dan daha eski pandalar sürümünü kullanıyorsanız, kullanmanız gerekir:

df.keys().tolist()çünkü df.columnshenüz uygulanmış bir yöntem yok.

Bu tuşlar yönteminin avantajı, pandaların daha yeni sürümlerinde bile çalışmasıdır, bu yüzden daha evrenseldir.

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

Yukarıda verilen çözüm güzel olsa da. Ayrıca frame.column_names () gibi bir şeyin pandalarda bir işlev olmasını beklerdim, ancak olmadığı için belki de aşağıdaki sözdizimini kullanmak güzel olurdu. Bir şekilde "tolist" işlevini çağırarak pandaları doğru şekilde kullandığınız hissini korur: frame.columns.tolist ()

frame.columns.tolist() 

DataFrame bir Dizin veya MultiIndex içeriyorsa ve bunların sütun adları olarak dahil edilmesini istiyorsanız:

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

Bu kadar basit bir işlem için gereksiz performans isabeti olan reset_index () çağrılmasını önler.

Ben veri çerçevesi dizini birincil / benzersiz bir anahtar eşler, ama gerçekten bana sadece başka bir "sütun" olduğu veritabanlarından veri kepenk çünkü bu daha sık ihtiyaç duyuyorum. Pandaların böyle bir şey için yerleşik bir yönteme sahip olması muhtemelen mantıklı olacaktır (tamamen kaçırdım).

Bu çözüm, my_dataframe nesnenizin tüm sütunlarını listeler:

print(list(my_dataframe))