使用Python Pandas处理多表头CSV：清除'Unnamed'单元格保留列

下面提供几种实用的处理方式，按需选择：

1. Python 脚本批量处理 #

适合需要重复处理或文件较多的场景，代码逻辑清晰易修改：

import csv

# 替换成你的输入输出文件路径
input_path = "原始文件.csv"
output_path = "处理后文件.csv"

with open(input_path, 'r', newline='', encoding='utf-8') as in_file, \
     open(output_path, 'w', newline='', encoding='utf-8') as out_file:
    csv_reader = csv.reader(in_file)
    csv_writer = csv.writer(out_file)
    
    # 处理首行：把以Unnamed:开头的单元格清空
    first_row = next(csv_reader)
    cleaned_first_row = ["" if cell.startswith("Unnamed:") else cell for cell in first_row]
    csv_writer.writerow(cleaned_first_row)
    
    # 直接写入剩下的所有行
    for row in csv_reader:
        csv_writer.writerow(row)

使用步骤：把代码存为clean_csv_header.py，替换文件路径后，运行python clean_csv_header.py即可。

2. Excel/WPS 手动快速处理 #

适合临时处理单个文件的情况：

• 用Excel或WPS打开目标CSV文件
• 选中首行的所有单元格
• 打开「查找和替换」功能：查找内容填Unnamed:*，替换内容留空，勾选单元格匹配（不同软件选项可能有细微差别）
• 点击「全部替换」，最后保存文件

3. 命令行（awk）一键处理 #

适合Linux/macOS或者熟悉命令行的Windows用户（需安装Git Bash或WSL）：

awk 'NR==1{for(i=1;i<=NF;i++){if($i~/^Unnamed:/) $i=""}}1' FS=, OFS=, 原始文件.csv > 处理后文件.csv

这条命令会自动定位首行，将所有以Unnamed:开头的字段清空，然后输出到新文件。

内容的提问来源于stack exchange，提问作者Brom