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)

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).)*$')

import pandas as pd

import numpy as np

array=np.random.random((2,4))

df=pd.DataFrame(array, columns=('Test1', 'toto', 'test2', 'riri'))

print df

      Test1      toto     test2      riri
0  0.923249  0.572528  0.845464  0.144891
1  0.020438  0.332540  0.144455  0.741412

cols = [c for c in df.columns if c.lower()[:4] != 'test']

df=df[cols]

print df
       toto      riri
0  0.572528  0.144891
1  0.332540  0.741412

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)