Python中按列名、类型及标准差删除多列？含报错解决

咱们先搞定你遇到的报错问题，再一步步完成另外两个列过滤需求：

一、修复删除含k1/p5列的报错 #

你碰到的"DataFrame' objects are mutable, thus they cannot be hashed"错误，本质是df.drop()方法需要传入列名字符串的列表/数组，但你传了两个DataFrame对象（df_r1和df_r2）——可变的DataFrame没法被哈希，所以触发了错误。

正确的姿势是先提取这两类列的列名，合并成列表后再执行删除：

# 提取所有包含"k1"的列名
k1_cols = df.filter(regex="k1").columns
# 提取所有包含"p5"的列名
p5_cols = df.filter(regex="p5").columns
# 合并要删除的列名列表
cols_to_drop = list(k1_cols) + list(p5_cols)
# 执行删除操作
df_dropped_new = df.drop(cols_to_drop, axis=1)

嫌麻烦的话，还可以用正则表达式一次性筛选出不包含k1和p5的列，一步到位：

# 正则规则：匹配所有既不含k1也不含p5的列
df_dropped_new = df.filter(regex="^(?!.*k1)(?!.*p5).*$")

二、删除object类型的列 #

两种简单方法任选其一：

1. 使用select_dtypes直接排除object类型：

df_no_object = df_dropped_new.select_dtypes(exclude=['object'])

2. 先筛选出非object类型的列名，再切片获取目标DataFrame：

non_object_cols = df_dropped_new.columns[df_dropped_new.dtypes != 'object']
df_no_object = df_dropped_new[non_object_cols]

三、删除标准差为0的列 #

标准差为0意味着该列所有值完全相同，没有任何波动。我们可以通过计算每列的标准差来过滤这类列（用极小值1e-8替代0，避免浮点精度导致的误判）：

# 筛选出标准差大于极小值的列
non_zero_std_cols = df_no_object.columns[df_no_object.std() > 1e-8]
df_final = df_no_object[non_zero_std_cols]

一步到位的链式写法 #

如果喜欢简洁的代码风格，可以把所有操作串成链式调用：

df_final = (df
            # 过滤掉含k1/p5的列
            .filter(regex="^(?!.*k1)(?!.*p5).*$")
            # 移除object类型列
            .select_dtypes(exclude=['object'])
            # 移除标准差为0的列
            .loc[:, lambda x: x.std() > 1e-8])

内容的提问来源于stack exchange，提问作者user9238790