Löschen mehrerer Spalten basierend auf Spaltennamen in Pandas

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.

Ich weiß nicht, was Sie unter ineffizient verstehen, aber wenn Sie in Bezug auf die Eingabe meinen, könnte es einfacher sein, einfach die interessierenden Spalten auszuwählen und dem df wieder zuzuweisen:

df = df[cols_of_interest]

Wo cols_of_interestist eine Liste der Spalten, die Sie interessieren.

Oder Sie können die Spalten in Scheiben schneiden und diese übergeben an drop:

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

Der Aufruf, headnur 0 Zeilen auszuwählen, da wir nur an den Spaltennamen und nicht an den Daten interessiert sind

aktualisieren

Eine andere Methode: Es wäre einfacher, die Boolesche Maske von zu verwenden str.containsund sie zu invertieren, um die Spalten zu maskieren:

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: []

Der mit Abstand einfachste Ansatz ist:

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

Mein persönlicher Favorit und einfacher als die Antworten, die ich hier gesehen habe (für mehrere Spalten):

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

Oder erstellen Sie eine Liste für mehrere Spalten.

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

Dies ist wahrscheinlich ein guter Weg, um das zu tun, was Sie wollen. Es werden alle Spalten gelöscht, deren Kopfzeile "Unbenannt" enthält.

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

Sie können dies in einer Zeile und auf einmal tun:

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

Dies beinhaltet weniger Bewegen / Kopieren des Objekts als die obigen Lösungen.

Ich bin mir nicht sicher, ob diese Lösung bereits irgendwo erwähnt wurde, aber eine Möglichkeit ist dies 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: []

Sie können die Spaltennamen einfach als Liste übergeben, indem Sie die Achse als 0 oder 1 angeben

• Achse = 1: Entlang der Zeilen
• Achse = 0: Entlang der Spalten

• Standardmäßig ist Achse = 0

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

Das Folgende hat bei mir funktioniert:

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

Simpel und einfach. Entfernen Sie alle Spalten nach dem 22 ..

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

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