跳转至

Python | Pandas data frame.columns

原文:https://www.geesforgeks.org/python-pandas-data frame-columns/

Pandas DataFrame 是一个二维可变大小、潜在异构的表格数据结构,带有标记轴(行和列)。算术运算在行标签和列标签上对齐。它可以被认为是系列对象的类似字典的容器。这是熊猫的主要数据结构。

熊猫 **DataFrame.columns**属性返回给定数据帧的列标签。

语法:数据帧.列

参数:

返回:列名

示例#1: 使用DataFrame.columns属性返回给定数据框的列标签。

# importing pandas as pd
import pandas as pd

# Creating the DataFrame
df = pd.DataFrame({'Weight':[45, 88, 56, 15, 71],
                   'Name':['Sam', 'Andrea', 'Alex', 'Robin', 'Kia'],
                   'Age':[14, 25, 55, 8, 21]})

# Create the index
index_ = ['Row_1', 'Row_2', 'Row_3', 'Row_4', 'Row_5']

# Set the index
df.index = index_

# Print the DataFrame
print(df)

输出:

现在我们将使用DataFrame.columns属性返回给定数据帧的列标签。

# return the column labels
result = df.columns

# Print the result
print(result)

输出: 正如我们在输出中看到的,DataFrame.columns属性已经成功返回了给定数据帧的所有列标签。

示例 2: 使用DataFrame.columns属性返回给定数据框的列标签。

# importing pandas as pd
import pandas as pd

# Creating the DataFrame
df = pd.DataFrame({"A":[12, 4, 5, None, 1], 
                   "B":[7, 2, 54, 3, None], 
                   "C":[20, 16, 11, 3, 8], 
                   "D":[14, 3, None, 2, 6]}) 

# Create the index
index_ = ['Row_1', 'Row_2', 'Row_3', 'Row_4', 'Row_5']

# Set the index
df.index = index_

# Print the DataFrame
print(df)

输出:

现在我们将使用DataFrame.columns属性返回给定数据帧的列标签。

# return the column labels
result = df.columns

# Print the result
print(result)

输出: 正如我们在输出中看到的,DataFrame.columns属性已经成功返回了给定数据帧的所有列标签。



回到顶部