Pandas — мощная библиотека Python, широко используемая для анализа и обработки данных. Одной из фундаментальных задач при работе с данными является просмотр всех столбцов в DataFrame Pandas. В этой статье мы рассмотрим различные методы достижения этой цели, используя простой язык и попутно предоставляя примеры кода.

Метод 1: использование атрибута DataFrame.columns
Самый простой способ просмотреть все столбцы в DataFrame Pandas — получить доступ к атрибуту «columns». Этот атрибут возвращает список имен столбцов, присутствующих в DataFrame. Вот пример:

import pandas as pd
# Create a sample DataFrame
data = {'Name': ['John', 'Emma', 'Michael'],
        'Age': [25, 30, 35],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)
# View all columns
all_columns = df.columns
print(all_columns)

Выход:

Index(['Name', 'Age', 'City'], dtype='object')

Метод 2: использование метода DataFrame.info()
Метод info()предоставляет краткую сводку DataFrame, включая информацию о столбцах. Он отображает имена столбцов, типы данных и количество ненулевых значений. Вот пример:

import pandas as pd
# Create a sample DataFrame
data = {'Name': ['John', 'Emma', 'Michael'],
        'Age': [25, 30, 35],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)
# View all columns
df.info()

Выход:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
 Name    3 non-null object
 Age     3 non-null int64
 City    3 non-null object
dtypes: int64(1), object(2)
memory usage: 200.0+ bytes

Метод 3. Использование метода DataFrame.head()
Метод head()позволяет просмотреть первые несколько строк DataFrame. Указав количество отображаемых строк, вы также можете просмотреть столбцы. Вот пример:

import pandas as pd
# Create a sample DataFrame
data = {'Name': ['John', 'Emma', 'Michael'],
        'Age': [25, 30, 35],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)
# View all columns
print(df.head(0))

Выход:

Empty DataFrame
Columns: [Name, Age, City]
Index: []

Метод 4: использование метода DataFrame.describe()
Метод describe()генерирует описательную статистику DataFrame, включая информацию о столбцах. Он предоставляет такие статистические данные, как количество, среднее значение, стандартное отклонение, минимум, максимум и квартили. Вот пример:

import pandas as pd
# Create a sample DataFrame
data = {'Name': ['John', 'Emma', 'Michael'],
        'Age': [25, 30, 35],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)
# View all columns
print(df.describe(include='all').columns)

Выход:

Index(['Name', 'Age', 'City'], dtype='object')
Method 5: Using the DataFrame.dtypes Attribute
The `dtypes` attribute returns the data types of each column in the DataFrame. By accessing this attribute, you can obtain a list of column names along with their respective data types. Here's an example:
```python
import pandas as pd

# Create a sample DataFrame
data = {'Name': ['John', 'Emma', 'Michael'],
        'Age': [25, 30, 35],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)

# View all columns
column_types = df.dtypes
print(column_types.index.tolist())

Выход:

['Name', 'Age', 'City']

В этой статье мы рассмотрели несколько методов просмотра всех столбцов в DataFrame Pandas. Используя атрибуты и методы, такие как DataFrame.columns, DataFrame.info(), DataFrame.head(), DataFrame.describe()и DataFrame.dtypesвы можете легко получить имена столбцов и другую соответствующую информацию о ваших данных. Четкое понимание доступных столбцов имеет решающее значение для эффективного анализа данных и манипулирования ими в Python с использованием Pandas.

Не забудьте добавить это руководство в закладки для дальнейшего использования при продолжении анализа данных!