python column_names = list(df.columns) print(column_names) 使用info()方法: 虽然info()方法主要用于获取DataFrame的概述信息,但它也会输出列名。 python df.info() 在实际应用中,可以根据具体需求选择最合适的方法。最常用的方法是使用columns属性,因为它简洁且易于理解。
1. 步骤2: 创建 DataFrame data={'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]}df=pd.DataFrame(data) 1. 2. 3. 4. 5. 6. 7. 步骤3: 遍历 DataFrame 的列 forcolumnindf.columns:print(column) 1. 2. 步骤4: 对每列执行操作 假设我们想要计算每列的平均值,我们可以这样做: forcolumnindf...
df=pd.read_csv('data.csv') 1. 这段代码会读取"data.csv"文件的内容,并创建一个名为df的DataFrame。 3. 打印column名字 在DataFrame创建好后,我们可以使用columns属性来打印column名字。可以使用以下代码打印column名字: print(df.columns) 1. 这段代码会打印DataFrame的column名字。 4. 运行代码并查看结果 在...
print(df) 运行以上代码后,将创建一个带有行名和列名的DataFrame,输出结果应该如下(注意,原输出示例中存在格式错误,以下输出已修正): Column1 Column2 Row1 1 4 Row2 2 5 Row3 3 6 在这个例子中,我们创建了一个包含两列(’Column1’和’Column2’)和三行(’Row1’、’Row2’和’Row3’)的DataFrame。...
first_chunk = next(reader) column_names = first_chunk.columns.tolist() 打印列名或进行其他操作。 代码语言:txt 复制 print(column_names) 这样就可以从大文件中获取列名了。 对于大文件的处理,还可以使用pandas的其他功能,如条件筛选、数据转换、数据分析等。如果需要对大文件进行更复杂的操作,可以使用...
df= pd.DataFrame(data,index=["a","b"])print(df)print("---")print(df["age"])print("---") df.insert(1,column="score",value=[80,100])print(df)print("---")deldf["score"]print(df)print("---") df["score"] = pd.Series([80],index=["b"])print(df)print("...
column_list = df['A'].tolist() print(column_list) 输出: [1, 2, 3] 二、从List到DataFrame的转换 将List转换为DataFrame使用Pandas的pd.DataFrame()方法可以将List转换为DataFrame。如果List的长度不一致,需要指定列名。 import pandas as pd # 创建一个示例List my_list = [[1, 4, 7], [2, 5,...
df['newColumn'] = [2, 4, 6, 8] #增加列 [/code] ```code import numpy as np import pandas as pd data = pd.DataFrame(np.arange(16).reshape(4,4),index = list("ABCD"),columns=list('wxyz')) print(data[0:2]) #取前两行数据 ...
print(df.info()) # 显示列名、非空值数量、数据类型等信息 5.选择列：column = df['Name'] # 选择 'Name' 列 6.选择行：row = df.loc[0] # 选择第一行 7.过滤行：filtered_df = df[df['Age'] > 28] # 选择年龄大于28的行 8.对 DataFrame 进行排序：sorted_df = df.sort_values(by='...