Saya ingin mendapatkan daftar tajuk kolom dari DataFrame panda. DataFrame akan berasal dari input pengguna jadi saya tidak akan tahu berapa banyak kolom akan ada atau apa namanya.

Misalnya, jika saya diberi DataFrame seperti ini:

>>> 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

Saya ingin mendapatkan daftar seperti ini:

>>> header_list
['y', 'gdp', 'cap']

Anda bisa mendapatkan nilai sebagai daftar dengan melakukan:

list(my_dataframe.columns.values)

Anda juga dapat menggunakan: (seperti yang ditunjukkan dalam jawaban Ed Chum ):

list(my_dataframe)

Ada metode bawaan yang merupakan yang paling performan:

my_dataframe.columns.values.tolist()

.columnsmengembalikan Indeks, .columns.valuesmengembalikan array dan ini memiliki fungsi pembantu .tolistuntuk mengembalikan daftar.

Jika kinerja tidak terlalu penting bagi Anda, Indexobjek menentukan .tolist()metode yang dapat Anda panggil secara langsung:

my_dataframe.columns.tolist()

Perbedaan kinerja jelas:

%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)

Bagi mereka yang membenci mengetik, Anda hanya dapat memanggil listpada df, sebagai begitu:

list(df)

Melakukan beberapa tes cepat, dan mungkin tidak mengherankan versi built-in yang digunakan dataframe.columns.values.tolist()adalah yang tercepat:

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

(Aku masih sangat suka list(dataframe), jadi terima kasih EdChum!)

Menjadi lebih sederhana (oleh panda 0.16.0):

df.columns.tolist()

akan memberi Anda nama kolom dalam daftar yang bagus.

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

Untuk daftar kolom kerangka data saat dalam mode debugger, gunakan pemahaman daftar:

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

Omong-omong, Anda bisa mendapatkan daftar yang diurutkan hanya dengan menggunakan sorted:

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

Terkejut saya belum melihat ini diposting sejauh ini, jadi saya akan meninggalkan ini di sini.

Extended Iterable Unpacking (python3.5 +): [*df]dan Teman

Generalisasi unpacking (PEP 448) telah diperkenalkan dengan Python 3.5. Jadi, semua operasi berikut ini dimungkinkan.

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 

Jika Anda ingin list....

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

Atau, jika Anda ingin set,

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

Atau, jika Anda ingin tuple,

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

Atau, jika Anda ingin menyimpan hasilnya di suatu tempat,

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

... jika Anda adalah tipe orang yang mengubah kopi menjadi suara mengetik, yah, ini akan mengonsumsi kopi Anda lebih efisien;)

PS: jika kinerjanya penting, Anda ingin membuang solusi di atas yang mendukung

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

Ini mirip dengan jawaban Ed Chum , tetapi diperbarui untuk v0.24 di mana .to_numpy()lebih disukai daripada penggunaan .values. Lihat jawaban ini (oleh saya) untuk informasi lebih lanjut.

Pemeriksaan Visual
Karena saya telah melihat ini dibahas dalam jawaban lain, Anda dapat memanfaatkan pembongkaran iterable (tidak perlu untuk loop eksplisit).

print(*df)
A B C

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

Kritik terhadap Metode Lain

Jangan gunakan forloop eksplisit untuk operasi yang dapat dilakukan dalam satu baris (Daftar pemahaman baik-baik saja).

Selanjutnya, menggunakan sorted(df) tidak mempertahankan urutan asli kolom. Untuk itu, Anda harus menggunakannya list(df).

Berikutnya, list(df.columns)dan list(df.columns.values)saran yang buruk (per versi saat ini, v0.24). Baik Index(dikembalikan dari df.columns) dan array NumPy (dikembalikan oleh df.columns.values) mendefinisikan .tolist()metode yang lebih cepat dan lebih idiomatik.

Terakhir, listification yaitu, list(df)seharusnya hanya digunakan sebagai alternatif ringkas untuk metode yang disebutkan sebelumnya untuk python <= 3,4 di mana perpanjangan pembongkaran tidak tersedia.

Itu tersedia sebagai my_dataframe.columns.

Ini menarik tetapi df.columns.values.tolist()hampir 3 kali lebih cepat dari itu df.columns.tolist()tetapi saya pikir mereka sama:

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

Sebuah DataFrame berikut dict-seperti konvensi iterasi “kunci” dari objek tersebut.

my_dataframe.keys()

Buat daftar kunci / kolom - metode objek to_list()dan cara pythonic

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

Iterasi dasar pada DataFrame mengembalikan label kolom

[column for column in my_dataframe]

Jangan mengonversi DataFrame menjadi daftar, hanya untuk mendapatkan label kolom. Jangan berhenti berpikir sambil mencari contoh kode yang mudah.

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)

Di dalam Notebook

Untuk eksplorasi data di notebook IPython, cara pilihan saya adalah ini:

sorted(df)

Yang akan menghasilkan daftar urutan abjad yang mudah dibaca.

Dalam repositori kode

Dalam kode saya merasa lebih eksplisit untuk dilakukan

df.columns

Karena itu memberitahu orang lain membaca kode Anda apa yang Anda lakukan.

%%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)

seperti yang dijawab oleh Simeon Visser ... Anda bisa melakukannya

list(my_dataframe.columns.values) 

atau

list(my_dataframe) # for less typing.

Tapi saya pikir sebagian besar sweet spot adalah:

list(my_dataframe.columns)

Ini eksplisit, pada saat yang sama tidak perlu terlalu lama.

Untuk pemeriksaan visual yang cepat, rapi, coba ini:

for col in df.columns:
    print col

Ini memberi kami nama-nama kolom dalam daftar:

list(my_dataframe.columns)

Fungsi lain yang disebut tolist () dapat digunakan juga:

my_dataframe.columns.tolist()

Saya merasa pertanyaan layak mendapatkan penjelasan tambahan.

Seperti yang dicatat oleh @fixxxer, jawabannya tergantung pada versi panda yang Anda gunakan dalam proyek Anda. Yang bisa Anda dapatkan dengan pd.__version__perintah.

Jika Anda karena alasan tertentu seperti saya (pada debian jessie saya menggunakan 0.14.1) menggunakan versi panda lebih lama dari 0.16.0, maka Anda perlu menggunakan:

df.keys().tolist()karena belum ada df.columnsmetode yang diterapkan.

Keuntungan dari metode kunci ini adalah, bahwa ia berfungsi bahkan dalam versi panda yang lebih baru, sehingga lebih universal.

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

Meskipun solusi yang disediakan di atas bagus. Saya juga berharap sesuatu seperti frame.column_names () menjadi fungsi dalam panda, tetapi karena tidak, mungkin akan lebih baik menggunakan sintaks berikut. Entah bagaimana itu mempertahankan perasaan bahwa Anda menggunakan panda dengan cara yang tepat dengan memanggil fungsi "tolist": frame.columns.tolist ()

frame.columns.tolist() 

Jika DataFrame memiliki Indeks atau MultiIndex dan Anda ingin yang dimasukkan sebagai nama kolom juga:

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

Ini menghindari panggilan reset_index () yang memiliki kinerja yang tidak perlu untuk operasi sederhana.

Saya sering mengalami hal ini karena saya menggunakan data dari basis data tempat indeks dataframe dipetakan ke kunci primer / unik, tetapi sebenarnya hanyalah "kolom" bagi saya. Mungkin masuk akal jika panda memiliki metode bawaan untuk hal seperti ini (sangat mungkin saya melewatkannya).

Solusi ini mencantumkan semua kolom objek my_dataframe:

print(list(my_dataframe))