这可以在一行中完成:

df = df.drop(df.filter(regex='Test').columns, axis=1)

该方法在适当的位置执行所有操作。许多其他答案会复制，效率不高:

df.drop(df.columns[df.columns.str.contains('Test')]， axis=1, inplace=True)

使用正则表达式匹配所有不包含不需要的单词的列:

df = df.filter(regex='^((?!badword).)*$')

更便宜，更快，习惯用法:str.contains

在最近版本的pandas中，可以在索引和列上使用字符串方法。这里str.startswith似乎很合适。

删除以给定子字符串开头的所有列:

df.columns.str.startswith('Test')
# array([ True, False, False, False])

df.loc[:,~df.columns.str.startswith('Test')]

  toto test2 riri
0    x     x    x
1    x     x    x

对于大小写不敏感的匹配，你可以使用基于正则表达式的匹配str.contains和一个SOL锚:

df.columns.str.contains('^test', case=False)
# array([ True, False,  True, False])

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

  toto riri
0    x    x
1    x    x

如果混合类型是可能的，指定na=False。

删除包含正则表达式的列名列表时的解决方案。我更喜欢这种方法，因为我经常编辑下拉列表。为下拉列表使用负筛选器正则表达式。

drop_column_names = ['A','B.+','C.*']
drop_columns_regex = '^(?!(?:'+'|'.join(drop_column_names)+')$)'
print('Dropping columns:',', '.join([c for c in df.columns if re.search(drop_columns_regex,c)]))
df = df.filter(regex=drop_columns_regex,axis=1)

这可以在一行中完成:

df = df.drop(df.filter(regex='Test').columns, axis=1)