Voici deux approches pour obtenir une liste de tous les noms de colonnes dans Pandas DataFrame :

Première approche :

my_list = list(df)

Deuxième approche :

my_list = df.columns.values.tolist()

Plus tard, vous verrez également quelle approche est la plus rapide à utiliser.

L’exemple

Pour commencer avec un exemple simple, créons une trame de données avec 3 colonnes:

import pandas as pddata = {'First_Name': , 'Last_Name': , 'Age': }df = pd.DataFrame(data, columns = )print (df)

Une fois que vous avez exécuté le code ci-dessus, vous verrez la trame de données suivante avec les 3 colonnes:

En utilisant list(df) pour Obtenir la Liste de tous les Noms de colonnes dans la trame de données Pandas

Vous pouvez utiliser la première approche en ajoutant my_list=list(df) au code:

import pandas as pddata = {'First_Name': , 'Last_Name': , 'Age': }df = pd.DataFrame(data, columns = )my_list = list(df)print (my_list)

Vous verrez maintenant la liste qui contient les 3 noms de colonnes:

En option, vous pouvez rapidement vérifier que vous avez une liste en ajoutant print(type(my_list)) au bas du code:

import pandas as pddata = {'First_Name': , 'Last_Name': , 'Age': }df = pd.DataFrame(data, columns = )my_list = list(df)print (my_list)print (type(my_list))

Vous pourrez alors confirmer que vous avez une liste:

En utilisant my_list=df.colonne.valeur.tolist() pour obtenir la Liste de tous les noms de colonnes dans Pandas DataFrame

Alternativement, vous pouvez appliquer la deuxième approche en ajoutant my_list=df.colonne.valeur.tolist() au code:

import pandas as pddata = {'First_Name': , 'Last_Name': , 'Age': }df = pd.DataFrame(data, columns = )my_list = df.columns.values.tolist()print (my_list)print (type(my_list))

Comme auparavant, vous obtiendrez maintenant la liste avec les noms des colonnes:

Quelle approche devriez-vous choisir?

Selon vos besoins, vous devrez peut-être utiliser l’approche plus rapide.

Alors quelle approche est la plus rapide?

Vérifions le temps d’exécution de chacune des options à l’aide du module timeit:

(1) Mesurer le temps sous la première approche de my_list=list(df):

from timeit import default_timerimport pandas as pddata = {'First_Name': , 'Last_Name': , 'Age': }df = pd.DataFrame(data, columns = )beginning = default_timer()my_list = list(df)ending = default_timer()print((ending - beginning)*1000)

Lorsque j’ai exécuté le code en Python, j’ai obtenu le temps d’exécution suivant:

Vous pouvez exécuter le code quelques fois pour avoir une meilleure idée du temps d’exécution.

(2) Mesurons maintenant le temps sous la deuxième approche de my_list=df.colonne.valeur.tolist():

from timeit import default_timerimport pandas as pddata = {'First_Name': , 'Last_Name': , 'Age': }df = pd.DataFrame(data, columns = )beginning = default_timer()my_list = df.columns.values.tolist()ending = default_timer()print((ending - beginning)*1000)

Comme vous pouvez le voir, la deuxième approche est en fait plus rapide par rapport à la première approche:

Notez que le temps d’exécution peut varier en fonction de votre version Pandas / Python et/ ou de votre machine.