Ich habe einige Daten und wenn ich sie importiere, erhalte ich die folgenden nicht benötigten Spalten. Ich suche nach einer einfachen Möglichkeit, all diese zu löschen
'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'
Sie werden durch 0-Indizierung indiziert, also habe ich so etwas versucht
df.drop(df.columns[[22, 23, 24, 25,
26, 27, 28, 29, 30, 31, 32 ,55]], axis=1, inplace=True)
Das ist aber nicht sehr effizient. Ich habe versucht, einige für Loops zu schreiben, aber das kam mir als schlechtes Pandas-Verhalten vor. Daher stelle ich hier die Frage.
Ich habe einige ähnliche Beispiele gesehen ( Pandas mit mehreren Spalten löschen ), aber dies beantwortet meine Frage nicht.
df = df[cols_of_interest]
Sie könnten den df nach Spalten df.drop(df.ix[:,'Unnamed: 24':'Unnamed: 60'].head(0).columns, axis=1)
df.drop
eine Liste der Spaltennamen angeben können:df.drop(['Unnamed: 24', 'Unnamed: 25', ...], axis=1)