这通常是由于您的CSV已与(未命名)索引(RangeIndex)一起保存。

(修复实际上需要在保存DataFrame时完成，但这并不总是一个选项。)

解决方法:带index_col=[0]参数的read_csv

在我看来，最简单的解决方案是将未命名的列作为索引读取。为pd指定一个index_col=[0]参数。Read_csv，它读取第一列作为索引。(注意方括号)。

df = pd.DataFrame('x', index=range(5), columns=list('abc'))
df

   a  b  c
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x

# Save DataFrame to CSV.
df.to_csv('file.csv')

<！- ->

pd.read_csv('file.csv')

   Unnamed: 0  a  b  c
0           0  x  x  x
1           1  x  x  x
2           2  x  x  x
3           3  x  x  x
4           4  x  x  x

# Now try this again, with the extra argument.
pd.read_csv('file.csv', index_col=[0])

   a  b  c
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x

请注意 你一开始就可以通过 如果输出CSV是在pandas中创建的，如果你的DataFrame没有索引开始，则使用index=False: df.to_csv (file.csv,指数= False) 但如上所述，这并不总是一种选择。

临时解决方案:使用str.match进行过滤

如果你不能修改代码来读取/写入CSV文件，你可以通过过滤str.match删除列:

df 

   Unnamed: 0  a  b  c
0           0  x  x  x
1           1  x  x  x
2           2  x  x  x
3           3  x  x  x
4           4  x  x  x

df.columns
# Index(['Unnamed: 0', 'a', 'b', 'c'], dtype='object')

df.columns.str.match('Unnamed')
# array([ True, False, False, False])

df.loc[:, ~df.columns.str.match('Unnamed')]
 
   a  b  c
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x

简单地删除列使用:del df['column_name']

你可以对“未命名”列做以下任何一种操作:

删除未命名列 重命名它们(如果您想使用它们)

方法1:删除未命名列

# delete one by one like column is 'Unnamed: 0' so use it's name
df.drop('Unnamed: 0', axis=1, inplace=True)

#delete all Unnamed Columns in a single code of line using regex
df.drop(df.filter(regex="Unnamed"),axis=1, inplace=True)

方法2:重命名未命名列

df。rename(columns ={'未命名:0':'Name'}， inplace = True)

如果你想写一个空白的头在输入文件中，只要选择上面的'Name'为''。

其中OP的输入数据'file.csv'是:

,A,B,C
0,1,2,3
1,4,5,6
2,7,8,9

#读文件 Df = pd.read_csv('file.csv')

这通常是由于您的CSV已与(未命名)索引(RangeIndex)一起保存。

(修复实际上需要在保存DataFrame时完成，但这并不总是一个选项。)

解决方法:带index_col=[0]参数的read_csv

在我看来，最简单的解决方案是将未命名的列作为索引读取。为pd指定一个index_col=[0]参数。Read_csv，它读取第一列作为索引。(注意方括号)。

df = pd.DataFrame('x', index=range(5), columns=list('abc'))
df

   a  b  c
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x

# Save DataFrame to CSV.
df.to_csv('file.csv')

<！- ->

pd.read_csv('file.csv')

   Unnamed: 0  a  b  c
0           0  x  x  x
1           1  x  x  x
2           2  x  x  x
3           3  x  x  x
4           4  x  x  x

# Now try this again, with the extra argument.
pd.read_csv('file.csv', index_col=[0])

   a  b  c
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x

请注意 你一开始就可以通过 如果输出CSV是在pandas中创建的，如果你的DataFrame没有索引开始，则使用index=False: df.to_csv (file.csv,指数= False) 但如上所述，这并不总是一种选择。

临时解决方案:使用str.match进行过滤

如果你不能修改代码来读取/写入CSV文件，你可以通过过滤str.match删除列:

df 

   Unnamed: 0  a  b  c
0           0  x  x  x
1           1  x  x  x
2           2  x  x  x
3           3  x  x  x
4           4  x  x  x

df.columns
# Index(['Unnamed: 0', 'a', 'b', 'c'], dtype='object')

df.columns.str.match('Unnamed')
# array([ True, False, False, False])

df.loc[:, ~df.columns.str.match('Unnamed')]
 
   a  b  c
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x

简单地这样做:

df = df.loc[:, ~df.columns.str.contains('^Unnamed')]

在使用df.to_csv()时，一个不知道索引是否已被写入的解决方案如下所示:

df = pd.read_csv(file_name)
if 'Unnamed: 0' in df.columns:
    df.drop('Unnamed: 0', axis=1, inplace=True)

如果没有写入索引，则index_col=[0]将使用第一列作为索引，这是我们不希望看到的行为。