根据 Pandas 中的列名删除多列

Question

我有一些数据，当我导入它时，我得到了以下不需要的列。我正在寻找一种删除所有这些内容的简单方法。

'Unnamed: 24', 'Unnamed: 25', 'Unnamed: 26', 'Unnamed: 27',
'Unnamed: 28', 'Unnamed: 29', 'Unnamed: 30', 'Unnamed: 31',
'Unnamed: 32', 'Unnamed: 33', 'Unnamed: 34', 'Unnamed: 35',
'Unnamed: 36', 'Unnamed: 37', 'Unnamed: 38', 'Unnamed: 39',
'Unnamed: 40', 'Unnamed: 41', 'Unnamed: 42', 'Unnamed: 43',
'Unnamed: 44', 'Unnamed: 45', 'Unnamed: 46', 'Unnamed: 47',
'Unnamed: 48', 'Unnamed: 49', 'Unnamed: 50', 'Unnamed: 51',
'Unnamed: 52', 'Unnamed: 53', 'Unnamed: 54', 'Unnamed: 55',
'Unnamed: 56', 'Unnamed: 57', 'Unnamed: 58', 'Unnamed: 59',
'Unnamed: 60'

它们由 0 索引索引，所以我尝试了类似

的方法

df.drop(df.columns[[22, 23, 24, 25, 
26, 27, 28, 29, 30, 31, 32 ,55]], axis=1, inplace=True)

但这不是很有效。我尝试编写一些 for 循环，但这让我觉得 Pandas 行为很糟糕。所以我在这里问这个问题。

我看过一些类似的例子 (Drop multiple columns in pandas)，但这并没有回答我的问题。

Answer 1

我不知道你所说的低效是什么意思，但如果你的意思是打字，那么只 select 感兴趣的列并分配回 df 可能更容易：

df = df[cols_of_interest]

其中 cols_of_interest 是您关注的列的列表。

或者您可以对列进行切片并将其传递给 drop:

df.drop(df.ix[:,'Unnamed: 24':'Unnamed: 60'].head(0).columns, axis=1)

对 head 的调用只是 selects 0 行，因为我们只对列名而不是数据感兴趣

更新

另一种方法：使用 str.contains 中的布尔掩码并将其反转以屏蔽列会更简单：

In [2]:
df = pd.DataFrame(columns=['a','Unnamed: 1', 'Unnamed: 1','foo'])
df

Out[2]:
Empty DataFrame
Columns: [a, Unnamed: 1, Unnamed: 1, foo]
Index: []

In [4]:
~df.columns.str.contains('Unnamed:')

Out[4]:
array([ True, False, False,  True], dtype=bool)

In [5]:
df[df.columns[~df.columns.str.contains('Unnamed:')]]

Out[5]:
Empty DataFrame
Columns: [a, foo]
Index: []

Answer 2

这可能是做你想做的事的好方法。它将删除所有在 header.

中包含 'Unnamed' 的列

for col in df.columns:
    if 'Unnamed' in col:
        del df[col]

Answer 3

以下对我有用：

for col in df:
    if 'Unnamed' in col:
        #del df[col]
        print col
        try:
            df.drop(col, axis=1, inplace=True)
        except Exception:
            pass

Answer 4

到目前为止最简单的方法是：

yourdf.drop(['columnheading1', 'columnheading2'], axis=1, inplace=True)

Answer 5

您可以一次完成此操作：

df.drop([col for col in df.columns if "Unnamed" in col], axis=1, inplace=True)

与上述解决方案相比，这涉及更少的对象移动 around/copying。

Answer 6

我个人最喜欢的，比我在这里看到的答案更容易（对于多列）：

df.drop(df.columns[22:56], axis=1, inplace=True)

Answer 7

不确定是否已在任何地方提及此解决方案，但一种方法是 pandas.Index.difference。

>>> df = pd.DataFrame(columns=['A','B','C','D'])
>>> df
Empty DataFrame
Columns: [A, B, C, D]
Index: []
>>> to_remove = ['A','C']
>>> df = df[df.columns.difference(to_remove)]
>>> df
Empty DataFrame
Columns: [B, D]
Index: []

Answer 8

df = df[[col for col in df.columns if not ('Unnamed' in col)]]

Answer 9

您可以将列名作为列表传递，并将轴指定为 0 或 1

轴=1：沿行
axis=0：沿列
默认轴=0

data.drop(["Colname1","Colname2","Colname3","Colname4"],axis=1)

Answer 10

简单易行。删除 22 号之后的所有列。

df.drop(columns=df.columns[22:]) # love it

根据 Pandas 中的列名删除多列

Deleting multiple columns based on column names in Pandas

python

pandas