Menghapus beberapa kolom berdasarkan nama kolom di Pandas

Saya memiliki beberapa data dan ketika saya mengimpornya saya mendapatkan kolom yang tidak dibutuhkan berikut ini, saya mencari cara mudah untuk menghapus semua ini

   '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'

Mereka diindeks oleh 0-indexing jadi saya mencoba sesuatu seperti

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

Tapi ini tidak terlalu efisien. Saya mencoba menulis beberapa untuk loop tetapi ini menurut saya sebagai perilaku Panda yang buruk. Karenanya saya mengajukan pertanyaan di sini.

Saya telah melihat beberapa contoh yang serupa ( Jatuhkan beberapa kolom panda ) tetapi ini tidak menjawab pertanyaan saya.

Saya tidak tahu apa yang Anda maksud dengan tidak efisien tetapi jika yang Anda maksud dalam hal mengetik, bisa lebih mudah untuk hanya memilih kolom yang diminati dan menetapkan kembali ke df:

df = df[cols_of_interest]

Di mana cols_of_interestdaftar kolom yang Anda pedulikan.

Atau Anda dapat memotong kolom dan meneruskannya ke drop:

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

Panggilan untuk headhanya memilih 0 baris karena kami hanya tertarik pada nama kolom daripada data

memperbarui

Metode lain: Akan lebih mudah untuk menggunakan boolean mask str.containsdan membalikkannya untuk menutupi kolom:

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: []

Sejauh ini pendekatan yang paling sederhana adalah:

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

Favorit pribadi saya, dan lebih mudah daripada jawaban yang saya lihat di sini (untuk beberapa kolom):

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

Atau membuat daftar untuk beberapa kolom.

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

Ini mungkin cara yang baik untuk melakukan apa yang Anda inginkan. Ini akan menghapus semua kolom yang berisi 'Unnamed' di headernya.

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

Anda dapat melakukan ini dalam satu baris dan sekali jalan:

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

Ini melibatkan lebih sedikit pergerakan / penyalinan objek daripada solusi di atas.

Tidak yakin apakah solusi ini telah disebutkan di mana saja tetapi salah satu cara untuk melakukannya adalah 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: []

Anda bisa meneruskan nama kolom sebagai daftar dengan menentukan sumbu sebagai 0 atau 1

• axis = 1: Sepanjang Baris
• axis = 0: Sepanjang Kolom

• Secara default sumbu = 0

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

Sederhana dan Mudah. Hapus semua kolom setelah tanggal 22.

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

Di bawah ini berhasil untuk saya:

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

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