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')

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

from IPython.display import display
import pandas as pd
import io


df = pd.read_csv('file.csv',index_col=[0])
df = pd.read_csv(io.StringIO(df.to_csv(index=False)))
display(df.head(5))

简单地删除列使用:del df['column_name']

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。