有一个内置方法是性能最高的：

my_dataframe.columns.values.tolist()

.columns返回一个Index,.columns.values返回一个数组，它有一个辅助函数.tolist返回一个列表。
如果性能对您来说不那么重要，Index对象定义一个.tolist()可以直接调用的方法：

my_dataframe.columns.tolist()

性能差异很明显：

%timeit df.columns.tolist()
16.7 µs ± 317 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit df.columns.values.tolist()
1.24 µs ± 12.3 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

对于那些讨厌打字的人，你可以打电话list上df，这样：

list(df)

我做了一些快速测试，也许不出所料，内置版本使用dataframe.columns.values.tolist()是最快的：

In [1]: %timeit [column for column in df]
1000 loops, best of 3: 81.6 µs per loop

In [2]: %timeit df.columns.values.tolist()
10000 loops, best of 3: 16.1 µs per loop

In [3]: %timeit list(df)
10000 loops, best of 3: 44.9 µs per loop

In [4]: % timeit list(df.columns.values)
10000 loops, best of 3: 38.4 µs per loop

（我还是很喜欢list(dataframe)虽然，所以谢谢 EdChum！）

它变得更加简单（通过 Pandas 0.16.0）：

df.columns.tolist()

会给你一个很好的列表中的列名。

扩展的可迭代解包（Python 3.5+）：[*df]和朋友
解包概括 (PEP 448)已在 Python 3.5 中引入。因此，以下操作都是可能的。

df = pd.DataFrame('x', columns=['A', 'B', 'C'], index=range(5))
df

   A  B  C
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x

如果你想要一个list……

[*df]
# ['A', 'B', 'C']

或者，如果你想要一个set,

{*df}
# {'A', 'B', 'C'}

或者，如果你想要一个tuple,

*df,  # Please note the trailing comma
# ('A', 'B', 'C')

或者，如果您想将结果存储在某处，

*cols, = df  # A wild comma appears, again
cols
# ['A', 'B', 'C']

…如果您是将咖啡转换为打字声音的那种人，那么这将更有效地消耗您的咖啡；）

PS：如果性能很重要，您将需要放弃上述解决方案以支持

df.columns.to_numpy().tolist()
# ['A', 'B', 'C']

这类似于Ed Chum的回答, 但更新为 v0.24 哪里.to_numpy()优于使用.values.看这个答案（由我）了解更多信息。

目视检查
由于我已经在其他答案中看到了这一点，因此您可以使用可迭代解包（不需要显式循环）。

print(*df)
A B C

print(*df, sep='\n')
A
B
C

对其他方法的批评
不要使用显式for循环一个可以在一行中完成的操作（列表推导没关系）。
接下来，使用sorted(df) 不保留原始顺序的列。为此，您应该使用list(df)反而。
下一个，list(df.columns)和list(df.columns.values)是糟糕的建议（截至当前版本，v0.24）。两个都Index（从返回df.columns) 和 NumPy 数组（由df.columns.values） 定义.tolist()方法更快，更惯用。
最后，列出，即list(df)仅应用作 Python 3.4 或更早版本的上述方法的简洁替代方法，其中扩展解包不可用。

>>> list(my_dataframe)
['y', 'gdp', 'cap']

要在调试器模式下列出数据框的列，请使用列表推导：

>>> [c for c in my_dataframe]
['y', 'gdp', 'cap']

顺便说一句，您只需使用即可获得排序列表sorted：

>>> sorted(my_dataframe)
['cap', 'gdp', 'y']