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)

它变得更简单(由Pandas 0.16.0):

df.columns.tolist()

会给你一个很好的列表中的列名。

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)

扩展可迭代解包(Python 3.5+): [*df]和Friends

Python 3.5引入了解包泛化(PEP 448)。因此，下面的操作都是可能的。

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

如果你想要一个列表....

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

或者，如果你想要一组，

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

如果你想要一个元组，

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

或者，如果你想把结果存储在某个地方，

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

．.． 如果你是那种把咖啡转换成打字声音的人，好吧，这将更有效地消耗你的咖啡;)

附注:如果性能很重要，你会想要抛弃 上述解决方案有利于 .tolist df.columns.to_numpy () () # [' a '， ' b '， ' c '] 这与Ed Chum的答案相似，但更新了 V0.24，其中.to_numpy()优先于.values的使用。看到 这个答案(由我)为更多的信息。

目视检查

因为我在其他回答中已经看到过这个问题，所以可以使用可迭代解包(不需要显式循环)。

print(*df)
A B C

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

其他方法的批判

对于可以在单行中完成的操作，不要使用显式for循环(列表推导式是可以的)。

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

其次，list(df.columns)和list(df.columns.values)是不好的建议(就当前版本v0.24而言)。Index(从df.columns返回)和NumPy数组(从df.columns.values返回)都定义了.tolist()方法，该方法更快，更习惯。

最后，对于Python 3.4或更早版本，在扩展解包不可用的情况下，应该只使用列表(list(df))作为上述方法的简洁替代。

这是达到目标最简单的方法。

my_dataframe.columns.values.tolist ()

如果你很懒，试试这个>

列表（my_dataframe）

我觉得这个问题值得再解释一下。

正如fixxer所指出的，答案取决于您在项目中使用的Pandas版本。这可以通过pd得到。__version__命令。

如果你出于某种原因像我一样(在Debian 8 (Jessie)上我使用0.14.1)使用比0.16.0更老的Pandas版本，那么你需要使用:

df.keys().tolist()因为没有任何df.keys。Columns方法尚未实现。

这个keys方法的优点是，它甚至可以在更新版本的Pandas中工作，因此更加通用。