Python使用pandas读取HTML表格后无法删除冗余列，仅保留指定4列如何解决？

问题原因 #

• pandas 中droplevel、filter等数据处理方法默认不会修改原DataFrame，只会返回处理后的新对象，你的代码没有将处理结果赋值给变量，原始df没有被改动，打印时自然还是完整表格。
• 你读取到的原始表格列是多层索引结构，droplevel处理后的列索引也没有同步到原df上，就算后续直接筛选原df的列，也无法匹配到单层的列名。

修正代码 #

import pandas as pd
import requests

url = 'https://www.hockey-reference.com/leagues/NHL_2022_goalies.html'
df_list = pd.read_html(url)
df = df_list[0]
# 将降层、筛选后的结果直接赋值给df，覆盖原始数据
df = df.droplevel(level=0, axis='columns').filter(['Rk', 'Player', 'SV%', 'QS%'])
# 可选：过滤掉表格中重复插入的表头行，避免后续数据类型报错
df = df[df['Rk'] != 'Rk'].reset_index(drop=True)
print(df)

补充说明 #

如果你不想改动原始的完整DataFrame，也可以将处理后的结果赋值给新变量，比如df_selected = df.droplevel(...).filter(...)，后续使用df_selected做处理即可。

内容的提问来源于stack exchange，提问作者ffspider