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）

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

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。

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']

另外:

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