Ruft eine Liste von Spaltenüberschriften von Pandas Dataframe

Diese Übersetzung aus: die Get - Liste Spaltenüberschriften von PANDA - Datenrahmen

Ich möchte eine Liste der bekommen von einem Pandas Dataframe Spaltenüberschriften. Ich möchte von Pandas Dataframe eine Liste der Spaltenüberschriften bekommen. Datenrahmen von Will aus dem User kommen in den vielen der INPUT SO Wie die ich die Spalten von Will nicht , dass es einfach durch sein wird oder das , was sie als durch wird. Dataframe Eingabe vom Benutzer, so dass ich weiß nicht , wie viele Spalten oder was sie aufgerufen werden.

Zum Beispiel, wenn ich eine gegebene bin Datenrahmen wie folgt aus : Zum Beispiel, wenn Sie mir diese Datenrahmen:

>>> 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

Ich möchte eine Liste wie bekommen dies: ich eine Liste wie diese will:

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

# 1 Etage

Referenz: https://stackoom.com/question/1JkPS/ get eine Liste der Spaltenüberschriften von Pandas-Datenrahmen


House # 2

Durch my_dataframe.columns.


Ferienhaus # 3

Sie können die Werte als Liste erhalten , indem Sie: Sie Folgendes tun können den Wert in Listenform zu erhalten:

list(my_dataframe.columns.values)

Verwenden Sie einfach Sie können auch: (wie in gezeigt , Ed Chum Antwort ): Sie können auch einfach nutzen :( wie Ed Chum gezeigt antwortet ):

list(my_dataframe)

# 4 Etage

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

Haus # 5

Es ist ein in Verfahren gebaut , das ist die performante: eine integrierte Methode ist die effektivste:

my_dataframe.columns.values.tolist()

.columnsEin Index gibt A, .columns.valueskehrt A ein Array mit einem Helfer hat und die diese Funktion .tolistzurückzukehren A List. .columnsLiefert einen Index, .columns.valuesein Array zurückgibt, hat es die Hilfe - Funktion .tolistdie Liste zurückzukehren.

Wichtig nicht SO , WIE SIE Leistung , wenn Sie, IndexObjekte der DEFINE Eine .tolist()Methode, die Sie direkt anrufen: Wenn die Leistung nicht so wichtig ist, die IndexAufgabe ist , eine definieren .tolist()direkt Methode können Sie diese Methode aufrufen:

my_dataframe.columns.tolist()

Der Unterschied in der Leistung ist offensichtlich: der Leistungsunterschied liegt auf der Hand:

%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)

Diejenigen Typing die WHO die für Hass, können Sie die Just Call listON df, SO WIE: Für diejenigen , die Typisierung hassen, können Sie dfauf den Anruf listwie folgt:

list(df)

Ferienhaus # 6

Ein Datenrahmen folgt den dict durch die für iterieren artige Konvention des „Keys“ Objekte der. Datenrahmen einer ähnliche Konvention dict folgen , dass iteriert über Objekt „Schlüssel“ .

my_dataframe.keys()

Methode Object - Eine Liste der Schlüssel erzeugen / Spalten to_list()und Pythonic Way Listenerstellung key / Spalte - Objektmethoden to_list()und to_list()Methoden

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

Die Iteration Grund ON A Datenrahmen Gibt eine Spaltenbeschriftung Datenrahmen der Grund iterative return Spaltenbeschriftungen

[column for column in my_dataframe]

Verwenden Sie keinen Datenrahmen in eine Liste konvertieren , sondern nur die Spaltenbeschriftungen zu bekommen. Nicht einfach die Spaltenbeschriftungen werden Datenrahmen in eine Liste zu erhalten. Sie nicht aufhören zu denken , während für die bequeme Suche Code - Beispiele. Wenn für die bequemen Beispielcode suchen, bitte nicht stoppen Sie zu denken.

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)
Originalartikel veröffentlicht 0 · erntete Lob 73 · Ansichten 550 000 +

Ich denke du magst

Origin blog.csdn.net/w36680130/article/details/105328745
Empfohlen
Rangfolge