这里有一种方法:

df = df[df.columns.drop(list(df.filter(regex='Test')))]

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)

你可以使用'filter'过滤掉你想要的列

import pandas as pd
import numpy as np

data2 = [{'test2': 1, 'result1': 2}, {'test': 5, 'result34': 10, 'c': 20}]

df = pd.DataFrame(data2)

df

    c   result1     result34    test    test2
0   NaN     2.0     NaN     NaN     1.0
1   20.0    NaN     10.0    5.0     NaN

现在过滤器

df.filter(like='result',axis=1)

得到. .

   result1  result34
0   2.0     NaN
1   NaN     10.0

你可以用df。过滤器获取匹配字符串的列列表，然后使用df.drop

resdf = df.drop(df.filter(like='Test',axis=1).columns.to_list(), axis=1)