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

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)

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

根据我的经验，有很多原因可能不希望将该列设置为index_col =[0]，正如上面许多人建议的那样。例如，它可能包含混乱的索引值，因为数据在没有df.reset_index(drop=True)的情况下被索引或排序后保存到csv，导致立即混乱。

因此，如果你知道文件有这一列，而你不想要它，根据最初的问题，最简单的一行解决方案是:

Df = pd.read_csv('file.csv')。下降(列=['匿名:0 '])

or

df = pd.read_csv（'file.csv'，index_col=[0]）.reset_index（drop=True）

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。

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。