Eliminazione di più colonne in base ai nomi delle colonne in Pandas

Ho alcuni dati e quando li importa ottengo le seguenti colonne non necessarie Sto cercando un modo semplice per eliminarli tutti

   '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'

Sono indicizzati dall'indicizzazione 0, quindi ho provato qualcosa di simile

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

Ma questo non è molto efficiente. Ho provato a scrivere alcuni cicli for, ma questo mi ha colpito come un cattivo comportamento dei Panda. Quindi pongo la domanda qui.

Ho visto alcuni esempi simili ( Elimina più colonne panda ) ma questo non risponde alla mia domanda.

Non so cosa intendi per inefficiente ma se intendi in termini di digitazione potrebbe essere più semplice selezionare le colonne di interesse e riassegnarle al df:

df = df[cols_of_interest]

Dov'è cols_of_interestun elenco delle colonne che ti interessano.

Oppure puoi tagliare le colonne e passarlo a drop:

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

La chiamata a headseleziona solo 0 righe poiché siamo interessati solo ai nomi delle colonne anziché ai dati

aggiornare

Un altro metodo: sarebbe più semplice usare la maschera booleana da str.containse invertirla per mascherare le colonne:

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: []

L'approccio di gran lunga più semplice è:

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

Il mio preferito personale e più facile delle risposte che ho visto qui (per più colonne):

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

O creando un elenco per più colonne.

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

Questo è probabilmente un buon modo per fare quello che vuoi. Eliminerà tutte le colonne che contengono "Senza nome" nell'intestazione.

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

Puoi farlo in una riga e una volta:

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

Ciò comporta un minor spostamento / copia dell'oggetto rispetto alle soluzioni precedenti.

Non sono sicuro che questa soluzione sia stata menzionata da qualche parte, ma un modo per farlo è 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: []

Puoi semplicemente passare i nomi delle colonne come un elenco specificando l'asse come 0 o 1

• asse = 1: lungo le righe
• asse = 0: lungo le colonne

• Per impostazione predefinita, asse = 0

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

Semplice e facile. Rimuovi tutte le colonne dopo il 22.

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

Quanto segue ha funzionato per me:

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)]]