В этом руководстве обсуждаются 10 различных способов возврата имен столбцов из DataFrame Pandas. Синтаксис и пояснения подробно обсуждаются при реализации кода в примерах. Во-первых, нам нужно создать DataFrame Pandas с несколькими столбцами и использовать его для всех примеров.
- DataFrame
- Пример 1: Использование Pandas.DataFrame.Columns
- Пример 2: Использование цикла For
- Пример 3: Использование Pandas.DataFrame.Keys
- Пример 4: Использование Pandas.DataFrame.To_Numpy
- Пример 5: Использование функции Sorted()
- Пример 6: Использование списка
- Пример 7: Использование кортежа
- Пример 8: Использование набора
- Пример 9: Использование Pandas.DataFrame.Info
- Пример 10: Использование понимания списка
- Заключение
DataFrame
Во всем этом руководстве мы будем использовать следующий DataFrame с именем Detail_cases с пятью столбцами и тремя записями. Столбцы: «Case_Related», «Source», «Priority», «Total_Cases» и «Resolved».
import pandas
# Create DataFrame with 4 columns that holds 3 records
detail_cases = pandas.DataFrame({‘Case_Related’: [‘Computer’,‘Mechanical’,‘Electrical’],
‘Source’: [‘Phone’,‘Email’,‘Web’],
‘Priority’:[‘Low’,‘Medium’,‘Medium’],
‘Total_cases’:[100,200,250],
‘Resolved’:[‘Yes’,‘Yes’,‘No’]})print(detail_cases)
Выход:
Пример 1: Использование Pandas.DataFrame.Columns
Pandas.DataFrame.columns — это атрибут, который возвращает метки столбцов указанного DataFrame. Он возвращает объект индекса, содержащий список столбцов. Тип данных — объект.
print(detail_cases.columns)
Выход:
Пример 2: Использование цикла For
В первом примере все метки столбцов возвращаются в индексном объекте. Если вы хотите, чтобы все метки столбцов возвращались отдельно, выполните итерацию атрибута pandas.DataFrame.columns, используя цикл «for». Теперь все метки столбцов возвращаются один за другим.
for iterator in detail_cases.columns:
print(iterator)
Выход:
Пример 3: Использование Pandas.DataFrame.Keys
pandas.DataFrame.keys — это индекс столбцов DataFrame. Используйте эту функцию, чтобы получить все метки. Он возвращает объект индекса, содержащий список столбцов, похожих на атрибут pandas.DataFrame.columns.
print(detail_cases.keys())
Выход:
Пример 4: Использование Pandas.DataFrame.To_Numpy
Функция pandas.DataFrame.to_numpy используется для преобразования DataFrame Pandas в массив NumPy. Это возвращает метки столбцов в списке, когда он применяется к DataFrame.
print(detail_cases.columns.to_numpy())
Выход:
Пример 5: Использование функции Sorted()
Функция sorted() возвращает отсортированный список указанного итерируемого объекта. Здесь он возвращает список меток столбцов.
print(sorted(detail_cases))
Выход:
Пример 6: Использование списка
В Python конструктор list() используется для создания списка из заданного итератора/переменной. Если мы предоставим этому конструктору DataFrame Pandas, он возьмет столбцы и вернет список, содержащий эти столбцы. Другой способ — распаковать метки столбцов из списка [] с помощью оператора распаковки (*). В обоих случаях метки столбцов возвращаются в виде списка.
print(list(detail_cases))
print([*detail_cases])
Выход:
Пример 7: Использование кортежа
В Python конструктор tuple() используется для создания кортежа из заданного итератора/переменной. Если мы предоставим этому конструктору DataFrame Pandas, он возьмет столбцы и вернет кортеж, содержащий эти столбцы. Другой способ — распаковать метки столбцов из кортежа () с помощью оператора распаковки (*). В обоих случаях метки столбцов возвращаются в кортеже.
print(tuple(detail_cases))
print((*detail_cases,))
Пример 8: Использование набора
В Python конструктор set() используется для создания набора из заданного итератора/переменной. Если мы предоставим этому конструктору DataFrame Pandas, он возьмет столбцы и вернет набор, содержащий эти столбцы. Другой способ — распаковать метки столбцов из набора {} с помощью оператора распаковки (*). В обоих случаях метки столбцов возвращаются в наборе.
print(set(detail_cases))
print({*detail_cases})
Пример 9: Использование Pandas.DataFrame.Info
pandas.DataFrame.info() используется для получения сводной информации DataFrame. Он возвращает все метки столбцов соответствующего типа вместе с количеством отсутствующих элементов. Кроме того, он возвращает память, потребляемую DataFrame, в байтах. Итак, мы можем использовать это для получения имен столбцов.
print(detail_cases.info())
Пример 10: Использование понимания списка
Понимание списка похоже на цикл «for», где нам нужно перебрать DataFrame, а результат итератора — в метках столбцов.
print([iterator for iterator in detail_cases])
Заключение
Вы можете реализовать приведенные 10 примеров в своей среде Python так, чтобы возвращались все метки столбцов Pandas DataFrame. В основном мы используем атрибут pandas.DataFrame.columns напрямую и в цикле for. Для каждого примера предоставляются объяснение и выходные данные. Создание DataFrame выполнено в начале этого руководства. Обязательно запустите этот пример, прежде чем реализовывать все эти 10 примеров.