パンダのDataFrameから列ヘッダーのリストを取得したいのですが。DataFrameはユーザー入力から取得されるため、列がいくつあるか、または何が呼び出されるかはわかりません。

たとえば、次のようなDataFrameが与えられたとします。

>>> 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

私はこのようなリストを取得したいと思います：

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

次のようにして、値をリストとして取得できます。

list(my_dataframe.columns.values)

また、次のように使用することもできます（Ed Chumの回答に示すように）：

list(my_dataframe)

最もパフォーマンスの高い組み込みのメソッドがあります。

my_dataframe.columns.values.tolist()

.columnsインデックスを.columns.values返し、配列を返します。これには.tolistリストを返すヘルパー関数があります。

パフォーマンスがそれほど重要でない場合、Indexオブジェクトは.tolist()直接呼び出すことができるメソッドを定義します。

my_dataframe.columns.tolist()

パフォーマンスの違いは明らかです。

%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)

タイピングを憎む人のために、あなただけ呼び出すことができますlist上のdfように、：

list(df)

いくつかの簡単なテストを行いましたが、おそらく当然のことながら、組み込みバージョンdataframe.columns.values.tolist()が最も高速です。

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

（私はまだそれでも本当に好きなlist(dataframe)ので、EdChumに感謝します！）

（パンダ0.16.0によって）さらにシンプルになります：

df.columns.tolist()

列名がリストに表示されます。

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

デバッガーモードでデータフレームの列を一覧表示するには、リスト内包表記を使用します。

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

ちなみに、次のコマンドを使用するだけで、並べ替えられたリストを取得できますsorted。

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

これまでのところこれを見たことがないことに驚いたので、ここに残しておきます。

拡張イテラブルアンパッキング（python3.5 +）：[*df]とフレンド

展開の一般化（PEP 448）がPython 3.5で導入されました。したがって、以下の操作はすべて可能です。

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 

あなたが欲しいならlist...

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

または、必要に応じてset、

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

または、必要に応じてtuple、

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

または、結果をどこかに保存したい場合は、

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

...あなたがコーヒーをタイピング音に変換するような人なら、まあ、これはあなたのコーヒーをより効率的に消費するでしょう;）

PS：パフォーマンスが重要な場合は、上記のソリューションを廃止して、

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

これはEd Chumの回答に似て.to_numpy()いますが、の使用が推奨されるv0.24用に更新されています.values。詳細については、（私が）この回答を参照 してください。

ビジュアルチェック
これは他の回答で説明されているので、反復可能なアンパッキングを利用できます（明示的なループは必要ありません）。

print(*df)
A B C

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

他の方法の批評

for1行で実行できる操作に明示的なループを使用しないでください（リスト内包表記は問題ありません）。

次に、を使用sorted(df) しても、列の元の順序は保持されません。そのためには、list(df)代わりに使用する必要があります。

次に、list(df.columns)およびlist(df.columns.values)（現在のバージョン、v0.24のような）が悪いの提案です。Index（から返されるdf.columns）とNumPy配列（によって返されるdf.columns.values）の両方.tolist()が、より高速で慣用的なメソッドを定義しています。

最後に、リスト化、つまり拡張アンパッキングlist(df)が利用できないpython <= 3.4の前述のメソッドの簡潔な代替手段としてのみ使用する必要があります。

それはとして利用可能ですmy_dataframe.columns。

興味深いですdf.columns.values.tolist()が、約3倍高速ですdf.columns.tolist()が、同じだと思いました。

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

A データフレームは、辞書のようなオブジェクトの「キー」を反復処理の規則に従います。

my_dataframe.keys()

キー/列のリストを作成する-オブジェクトメソッドto_list()とPythonの方法

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

DataFrameの基本的な反復は列ラベルを返します

[column for column in my_dataframe]

列のラベルを取得するためだけに、DataFrameをリストに変換しないでください。便利なコードサンプルを探している間、考えを止めないでください。

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)

ノートブック

IPythonノートブックでのデータ探索の場合、私の推奨する方法は次のとおりです。

sorted(df)

アルファベット順に並べられたリストが読みやすくなります。

コードリポジトリ内

コードでは、それを行うことがより明示的であると思います

df.columns

それはあなたが何をしているのかあなたのコードを読んでいる他の人に告げるからです。

%%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)

Simeon Visserの回答によると...

list(my_dataframe.columns.values) 

または

list(my_dataframe) # for less typing.

しかし、私が最もスイートスポットだと思います：

list(my_dataframe.columns)

それは明示的であり、同時に不必要に長くはありません。

すばやく、きちんと、視覚的に確認するには、次のことを試してください。

for col in df.columns:
    print col

これにより、リスト内の列の名前が得られます。

list(my_dataframe.columns)

tolist（）と呼ばれる別の関数も使用できます。

my_dataframe.columns.tolist()

質問は追加の説明に値すると思います。

@fixxxerが述べたように、答えはプロジェクトで使用しているパンダのバージョンによって異なります。pd.__version__コマンドで取得できます。

私のような何らかの理由で（debian jessieでは0.14.1を使用しています）、0.16.0より古いバージョンのパンダを使用している場合は、以下を使用する必要があります。

df.keys().tolist()df.columnsまだ実装されているメソッドがないためです。

このキー方法の利点は、新しいバージョンのパンダでも機能するため、より普遍的であることです。

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

上記で提供されたソリューションは素晴らしいですが。また、frame.column_names（）のようなものがパンダの関数であると期待しますが、そうではないので、次の構文を使用するとよいでしょう。「tolist」関数を呼び出すことにより、パンダを適切に使用しているという感覚をなんとか維持します。frame.columns.tolist（）

frame.columns.tolist() 

DataFrameにインデックスまたはマルチインデックスがあり、それらも列名として含める場合：

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

そのような単純な操作で不必要なパフォーマンスヒットが発生するreset_index（）の呼び出しを回避します。

データフレームインデックスが主キー/一意キーにマップされているデータベースからデータを送っているので、これがより頻繁に必要になりますが、実際には私にとっては単なる「列」です。パンダがこのようなもののための組み込みのメソッドを持っていることはおそらく意味があります（完全に私がそれを逃した可能性があります）。

このソリューションは、オブジェクトmy_dataframeのすべての列をリストします。

print(list(my_dataframe))