pandas dataframe获取所有行名称与列名称

1.获取dataframe行名称

pandas中，dataframe获取行名称，可以有如下两种方式。

def check_rows():
    data = {
        'name': ['a', 'a', 'a', 'b', 'b', 'c', 'c', 'c'],
        's1': [1, 2, 3, 4, 5, 6, 7, 8],
        's2': [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8]
    }
    df = pd.DataFrame(data)
    row_index = df.index
    print("row_index is: ", row_index)
    print("type(row_index) is: ", type(row_index))

    rows_f1 = df.index.values
    print("rows_f1 is: ", rows_f1)
    print("type(rows_f1) is: ", type(rows_f1))
    rows_f1 = rows_f1.tolist()
    print("rows_f1 is: ", rows_f1)

    rows_f2 = [row for row in df.index]
    print("rows_f2 is: ", rows_f2)

df.index为RangeIndex类型，df.index.values属性会输出一个numpy.ndarray类型的数组，将这个数组转化为list，就可以得到所有行名称的list。

该方法的输出为：

row_index is:  RangeIndex(start=0, stop=8, step=1)
type(row_index) is:  
rows_f1 is:  [0 1 2 3 4 5 6 7]
type(rows_f1) is:  
rows_f1 is:  [0, 1, 2, 3, 4, 5, 6, 7]
rows_f2 is:  [0, 1, 2, 3, 4, 5, 6, 7]

2.获取dataframe列名称

更多时候，我们是要想获得dataframe的列名，有如下三种方式。

def check_columns():
    data = {
        'name': ['a', 'a', 'a', 'b', 'b', 'c', 'c', 'c'],
        's1': [1, 2, 3, 4, 5, 6, 7, 8],
        's2': [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8]
    }
    df = pd.DataFrame(data)

    columns_name_f1 = [column for column in df]
    print("columns_name_f1 is: ", columns_name_f1)

    columns = df.columns
    print("df.columns is: ", columns)
    print("type(df.columns) is: ", type(df.columns))

    columns_name_f2 = [column for column in df.columns]
    print("columns_name_f2 is: ", columns_name_f2)
    columns_name_f2 = df.columns.values.tolist()
    print("columns_name_f2 is: ", columns_name_f2)
    columns_name_f2 = df.columns.tolist()
    print("columns_name_f2 is: ", columns_name_f2)

    columns_name_f3 = list(df)
    print("columns_name_f3 is: ", columns_name_f3)

第一种方式: 直接列表推导 [column for column in df]
第二种方式: df.columns返回的是Index类型，然后将该Index转成list即可。
第三种方式:直接使用list(df)，就返回列名的list。

代码最后输出为：

columns_name_f1 is:  ['name', 's1', 's2']
df.columns is:  Index(['name', 's1', 's2'], dtype='object')
type(df.columns) is:  
columns_name_f2 is:  ['name', 's1', 's2']
columns_name_f2 is:  ['name', 's1', 's2']
columns_name_f2 is:  ['name', 's1', 's2']
columns_name_f3 is:  ['name', 's1', 's2']