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
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
有一个内置的方法是性能最好的:
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返回一个列表。
如果性能对你来说不那么重要，Index对象定义了一个.tolist()方法，你可以直接调用:
my_dataframe.columns.tolist()
性能上的差异是明显的:
%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，你可以在df上调用list，如下所示:
list(df)
你可以通过以下方式获取值:
list(my_dataframe.columns.values)
你也可以简单地使用(如Ed Chum的回答所示):
list(my_dataframe)
为了快速，简洁，直观的检查，试试这个:
for col in df.columns:
print col
