从pandas DataFrame列标题中获取列表

Question

我想从pandas DataFrame中获取列标题列表。 DataFrame将来自用户输入，因此我不知道将会有多少列或将调用它们。

例如，如果给我这样的DataFrame：

>>> 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

我想得到一个这样的列表：

>>> header_list
[y, gdp, cap]

Answer 1

您可以通过执行以下操作将值作为列表获取：

list(my_dataframe.columns.values)

您也可以使用:(如Ed Chum's answer所示）：

list(my_dataframe)

Answer 2

有一种内置方法，效率最高：

my_dataframe.columns.values.tolist()

.columns返回一个索引，.columns.values返回一个数组，它有一个辅助函数.tolist来返回一个列表。

如果效果对您来说不那么重要，Index个对象会定义一个可以直接调用的.tolist()方法：

my_dataframe.columns.tolist()

性能差异显而易见：

%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)

---

对于那些讨厌打字的人，您只需拨打list上的df即可：

list(df)

Answer 3

进行了一些快速测试，也许毫不奇怪，使用dataframe.columns.values.tolist()的内置版本是最快的：

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

（我仍然非常喜欢list(dataframe)，所以感谢EdChum！）

Answer 4

它变得更简单（通过pandas 0.16.0）：

df.columns.tolist()

会在一个很好的列表中为你提供列名。

Answer 5

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

要在调试器模式下列出数据帧的列，请使用列表解析：

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

顺便说一下，您只需使用sorted：

即可获得排序列表

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

Answer 6

可以my_dataframe.columns。

Answer 7

这很有意思但是df.columns.values.tolist()几乎是df.columns.tolist()的3倍，但我认为它们是相同的：

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

Answer 8

DataFrame遵循类似于dict的惯例，迭代对象的“键”。

my_dataframe.keys()

创建键/列列表 - 对象方法to_list()和pythonic方式

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

DataFrame上的

Basic iteration会返回列标签

[column for column in my_dataframe]

不要将DataFrame转换为列表，只是为了获取列标签。在寻找方便的代码示例时不要停止思考。

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)

Answer 9

在笔记本中

对于IPython笔记本中的数据探索，我首选的方法是：

sorted(df)

这将生成易于阅读的按字母顺序排列的列表。

在代码库

中

在代码中我发现它更明确

df.columns

因为它告诉其他人读你的代码你在做什么。

Answer 10

很奇怪，到目前为止我还没有看到这则消息，所以我就把它留在这里。

扩展的可重复拆包（python3.5 +）：[*df]和朋友

Unpacking generalizations (PEP 448)已在Python 3.5中引入。因此，以下所有操作都是可能的。

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 

如果您想要list ....

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

或者，如果您想要set，

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

或者，如果您想要tuple，

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

或者，如果您要将结果存储在某处，

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

...如果您是那种将咖啡转换为打字声音的人，那么，这样可以更有效地消耗您的咖啡;）

  

P.S .：如果性能很重要，那么您将不愿意   以上支持的解决方案

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

     

这类似于Ed Chum's answer，但已更新为   v0.24，其中.to_numpy()优于.values的使用。看到   this answer（由我）   有关更多信息。

外观检查
既然我已经在其他答案中看到过讨论的内容，则可以使用可迭代的拆包（无需显式循环）。

print(*df)
A B C

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

---

对其他方法的批评

不要对可在一行中完成的操作使用显式的for循环（列表理解是可以的）。

接下来，使用sorted(df) 不会保留列的原始顺序。为此，您应该改用list(df)。

接下来，list(df.columns)和list(df.columns.values)是不好的建议（从当前版本v0.24开始）。 Index（从df.columns返回）和NumPy数组（由df.columns.values返回）都定义了.tolist()方法，该方法更快，更惯用。

最后，列表（即list(df)）仅应用作上述方法的简洁替代方法。

Answer 11

%%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)

Answer 12

正如Simeon Visser所回答的......你可以做到

list(my_dataframe.columns.values) 

或

list(my_dataframe) # for less typing.

但我认为最大的好处是：

list(my_dataframe.columns)

这是明确的，同时也没有多长时间。

Answer 13

要进行快速，整洁的外观检查，请尝试以下操作：

for col in df.columns:
    print col

Answer 14

这为我们提供了列表中各列的名称：

filter {
  mutate {
      add_field => { "[@metadata][indexname]", "tags[0]" }
  }
}
output {
   elasticsearch {
         hosts => ["elkserver:9200"]
         user => user
         password => password
         ssl => true
         ssl_certificate_verification => true
         cacert => "/etc/logstash/master.pem"
         index => "%{[@metadata][indexname]}"
   }
}

也可以使用另一个名为tolist（）的函数：

list(my_dataframe.columns)

Answer 15

我觉得问题值得进一步解释。

正如@fixxxer所说，答案取决于您在项目中使用的pandas版本。 使用pd.__version__命令可以获得哪些内容。

如果你出于某种原因像我一样（在debian jessie上使用0.14.1）使用比0.16.0更旧的熊猫版本，那么你需要使用：

df.keys().tolist()因为尚未实施df.columns方法。

这种密钥方法的优点是，它甚至可以在较新版本的熊猫中使用，因此它更具普遍性。

Answer 16

即使上面提供的解决方案很好。我也希望像frame.column_names（）这样的东西在熊猫中是一个函数，但是由于不是，所以使用以下语法可能会很好。通过调用“ tolist”函数，它以某种方式保留了您以正确方式使用熊猫的感觉：frame.columns.tolist（）

frame.columns.tolist() 

Answer 17

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

Answer 18

如果DataFrame恰好有一个Index或MultiIndex，并且您也希望将它们作为列名包括在内：

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

它避免了调用reset_index（），因为这种简单的操作会对性能造成不必要的影响。

我经常遇到这种情况，因为我正在从数据帧索引映射到主键/唯一键的数据库中穿梭，但实际上对我来说只是另一个“列”。对于大熊猫来说，对这样的东西有一个内置的方法可能是有意义的（我完全有可能错过了它）。

Answer 19

list(df.columns)

这将为您提供数据框df的列名列表。

Answer 20

此解决方案列出了对象my_dataframe的所有列：

print(list(my_dataframe))