要获得所有未命名列，你也可以使用正则表达式，如df.drop(df.filter(regex="Unname")，axis=1, inplace=True)

另外:

df = df.drop(columns=['Unnamed: 0'])

另一种可能发生这种情况的情况是，如果您的数据不恰当地写入csv，使每行以逗号结束。这将使您在数据的末尾留下一个未命名的列无名:x，当您试图将其读入df时。

它是索引列，传递pd.to_csv(…， index=False)首先不写出一个未命名的索引列，请参阅to_csv()文档。

例子:

In [37]:
df = pd.DataFrame(np.random.randn(5,3), columns=list('abc'))
pd.read_csv(io.StringIO(df.to_csv()))

Out[37]:
   Unnamed: 0         a         b         c
0           0  0.109066 -1.112704 -0.545209
1           1  0.447114  1.525341  0.317252
2           2  0.507495  0.137863  0.886283
3           3  1.452867  1.888363  1.168101
4           4  0.901371 -0.704805  0.088335

比较:

In [38]:
pd.read_csv(io.StringIO(df.to_csv(index=False)))

Out[38]:
          a         b         c
0  0.109066 -1.112704 -0.545209
1  0.447114  1.525341  0.317252
2  0.507495  0.137863  0.886283
3  1.452867  1.888363  1.168101
4  0.901371 -0.704805  0.088335

你也可以通过传递index_col=0来告诉read_csv第一列是索引列:

In [40]:
pd.read_csv(io.StringIO(df.to_csv()), index_col=0)

Out[40]:
          a         b         c
0  0.109066 -1.112704 -0.545209
1  0.447114  1.525341  0.317252
2  0.507495  0.137863  0.886283
3  1.452867  1.888363  1.168101
4  0.901371 -0.704805  0.088335

简单地这样做:

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

简单地删除列使用:del df['column_name']