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。

另外:

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

简单地删除列使用:del df['column_name']

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

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)

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))