Вы можете использовать один из следующих четырех методов, чтобы перечислить все имена столбцов фрейма данных pandas:
Способ 1: Используйте скобки
[column for column in df]
Способ 2: Используйте tolist()
df.columns.values.tolist ()
Способ 3: использовать список()
list(df)
Способ 4: используйте list() со значениями столбца
list(df.columns.values )
В следующих примерах показано, как использовать каждый из этих методов со следующими пандами DataFrame:
import pandas as pd
#create DataFrame
df = pd.DataFrame({'points': [25, 12, 15, 14, 19, 23],
'assists': [5, 7, 7, 9, 12, 9],
'rebounds': [11, 8, 10, 6, 6, 5],
'blocks': [6, 6, 3, 2, 7, 9]})
#view DataFrame
df
points assists rebounds blocks
0 25 5 11 6
1 12 7 8 6
2 15 7 10 3
3 14 9 6 2
4 19 12 6 7
5 23 9 5 9
Способ 1: Используйте скобки
В следующем коде показано, как перечислить все имена столбцов кадра данных pandas с помощью квадратных скобок:
[column for column in df]
['points', 'assists', 'rebounds', 'blocks']
Способ 2: Используйте tolist()
В следующем коде показано, как получить список всех имен столбцов с помощью функции .tolist() :
df.columns.values.tolist ()
['points', 'assists', 'rebounds', 'blocks']
Способ 3: использовать список()
В следующем коде показано, как получить список всех имен столбцов с помощью функции list() :
list(df)
['points', 'assists', 'rebounds', 'blocks']
Способ 4: используйте list() со значениями столбца
В следующем коде показано, как перечислить все имена столбцов с помощью функции list() со значениями столбцов:
list(df.columns.values )
['points', 'assists', 'rebounds', 'blocks']
Обратите внимание, что все четыре метода возвращают одинаковые результаты.
Обратите внимание, что для очень больших фреймов данных метод df.columns.values.tolist() работает быстрее всего.
Дополнительные ресурсы
В следующих руководствах объясняется, как выполнять другие распространенные функции со столбцами кадра данных pandas:
Как удалить столбцы в Pandas
Как исключить столбцы в Pandas
Как применить функцию к выбранным столбцам в Pandas
Как изменить порядок столбцов в Pandas DataFrame