基于Python Pandas的通用无用特征列删除方法（未知列名场景）

原代码问题说明 #

1. trash函数里的df.drop(columns=[x],inplace=True)中x未定义，运行会直接报错
2. 未遍历特征列做唯一值判断，无法批量识别无用列
3. trash函数无需传入attr参数，直接操作DataFrame更简洁

完善后的代码 #

import pandas as pd
import numpy as np

df_train = pd.read_csv("assets\\playtennis.csv") # 读取数据集
print(df_train.head()) # 打印前5行，原代码仅调用head()未输出，看不到实际数据

# 获取排除类标签的特征列列表
def attributes(df, label):
    return df.columns.drop(label).values.tolist()

# 识别并删除唯一值数量等于样本数的无用列
def trash(df, label):
    total_samples = df.shape[0]
    useless_cols = []
    # 遍历所有列，跳过类标签列
    for col in df.columns:
        if col == label:
            continue
        # 计算当前列的唯一值数量
        unique_count = df[col].nunique()
        # 判断是否为无用列
        if unique_count == total_samples:
            useless_cols.append(col)
    # 批量删除无用列
    if useless_cols:
        df.drop(columns=useless_cols, inplace=True)
        print(f"已删除无用列：{useless_cols}")
    else:
        print("未发现符合条件的无用列")

# 取最后一列作为类标签
class_label = df_train.columns[-1]
attr = attributes(df_train, class_label) # 保留原函数，若后续需用特征列列表可直接调用
trash(df_train, class_label)

代码关键说明 #

• df[col].nunique()：高效计算列的唯一值数量，比len(df[col].unique())性能更好
• 先收集所有无用列再批量删除，比循环单删更高效
• 增加打印提示，方便直观查看操作结果

内容的提问来源于stack exchange，提问作者J Stark