我想从Pandas DataFrame中获得列标题的列表。DataFrame将来自用户输入，所以我不知道有多少列或它们将被称为什么。
例如，如果我有一个这样的数据帧:
>>> 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
我会得到一个这样的列表:
>>> header_list
['y', 'gdp', 'cap']
当前回答
>>> list(my_dataframe)
['y', 'gdp', 'cap']
要在调试器模式下列出数据帧的列，使用列表理解式:
>>> [c for c in my_dataframe]
['y', 'gdp', 'cap']
顺便说一下，你可以简单地使用sorted:
>>> sorted(my_dataframe)
['cap', 'gdp', 'y']
其他回答
import pandas as pd
# create test dataframe
df = pd.DataFrame('x', columns=['A', 'B', 'C'], index=range(2))
list(df.columns)
返回
['A', 'B', 'C']
我做了一些快速测试，也许不出意外，使用datafframe .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
(尽管如此，我仍然非常喜欢这个列表(数据框架)，所以感谢EdChum!)
这很有趣，但df.columns.values.tolist()几乎比df.columns.tolist()快三倍，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
DataFrame遵循类似字典的约定，即遍历对象的“键”。
my_dataframe.keys()
创建一个键/列列表-对象方法to_list()和Pythonic方法:
my_dataframe.keys().to_list()
list(my_dataframe.keys())
DataFrame的基本迭代返回列标签:
[column for column in my_dataframe]
不要将DataFrame转换为列表，只是为了获得列标签。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)
正如Simeon Visser的回答，你可以这样做
list(my_dataframe.columns.values)
or
list(my_dataframe) # For less typing.
但我认为最完美的地方是:
list(my_dataframe.columns)
它是明确的，同时不是不必要的长。
