极客笔记Python Pandas 在DataFrame中显示所有列名
在Pandas的DataFrame中，有时候我们需要查看所有的列名，以便更好地了解数据。本文将提供几种方法来展示所有列名，帮助您更好地处理数据。
更多Pandas相关文章，请阅读：Pandas 教程
方法1：columns属性
可以使用DataFrame的columns属性来打印所有列名。代码示例如下：
import pandas as pd
data = {'name': ['A', 'B', 'C'], 'age': [20, 21, 22], 'gender': ['M', 'F', 'F']}
df = pd.DataFrame(data)
print(df.columns)
输出结果为：
Index(['name', 'age', 'gender'], dtype='object')
这种方法最简单，因为只需要一行代码就能打印出所有列名。但是，它没有展示DataFrame中的数据，仅打印出了一个Index对象。
方法2：使用info方法
还可以使用DataFrame的info方法来打印所有列名。代码示例如下：
import pandas as pd
data = {'name': ['A', 'B', 'C'], 'age': [20, 21, 22], 'gender': ['M', 'F', 'F']}
df = pd.DataFrame(data)
print(df.info())
输出结果为：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 name 3 non-null object
1 age 3 non-null int64
2 gender 3 non-null object
dtypes: int64(1), object(2)
memory usage: 200.0+ bytes
None
使用该方法，可以打印所有数据列的信息，包括名称、非空计数和Dtype。但是，输出的信息太多，而且并不是专门为了展示列名而设计的。
方法3：使用head方法
还可以使用DataFrame的head方法来打印所有列名。代码示例如下：
import pandas as pd
data = {'name': ['A', 'B', 'C'], 'age': [20, 21, 22], 'gender': ['M', 'F', 'F']}
df = pd.DataFrame(data)
print(df.head(0))
输出结果为：
Empty DataFrame
Columns: [name, age, gender]
Index: []
使用空的head方法，将DataFrame首先展开，并显示所有列名。但是，这种方法生成了一个空DataFrame，有点不够优雅。
方法4：设置display选项
最后一种方法是设置display选项。它非常适用于显示所有列，因为可以在一行中显示多个行。代码示例如下：
import pandas as pd
import numpy as np
data = {'name': ['A', 'B', 'C'], 'age': [20, 21, 22], 'gender': ['M', 'F', 'F'],
'height': [175.0, np.nan, 168.5], 'weight': [70.0, 67.5, 52.0]}
df = pd.DataFrame(data)
with pd.option_context('display.max_columns', None):
print(df)
输出结果为：
name age gender height weight
0 A 20 M 175.0 70.0
1 B 21 F NaN 67.5
2 C 22 F 168.5 52.0
可以看到，该方法生成了DataFrame的所有列名和数据。display选项的优点是，您可以设置在DataFrame中显示的最大列数。此外，由于该方法没有输出特殊的时间戳或类型信息，因此非常易于打印和呈现。
结论
以上4种方法都可以展示DataFrame的所有列名，具体选择哪种方法，可以根据您的具体需求和所需的输出来确定选择哪种。如果您需要仅查看列名，则第一个方法（columns属性）是最简单的。如果需要打印所有信息，包括名称、非空计数和Dtype，第二个方法（info方法）是不错的选择。如果您需要在一行中同时打印出所有列名和数据，第四个方法（设置display选项）是最好的方式。
希望本文提供的这些方法能够帮助您更好地处理Pandas的数据。