Pandas筛选删除2000年前列失败：columns_to_drop为空问题排查

嘿，我来帮你排查问题！你的代码里有两个关键问题导致columns_to_drop为空，咱们一步步解决：

1. 运算符误用：赋值代替了比较 #

你在列表推导式的条件里写了col[0]="1"，这是赋值操作，不是比较判断。Python会把这个当成给col[0]赋值为'1'，而不是判断它是否等于'1'——这不仅没法筛选列，甚至会触发语法错误（除非你刻意用海象运算符，但这里明显是笔误）。正确的写法应该用比较运算符==。

2. 判断逻辑不严谨：首字符为'1'的范围太宽 #

就算改成col[0] == "1"，也会把2010年及之后的列（比如2010-1）误判成要删除的列，因为这些列的首字符也是'1'。咱们需要精准判断年份是否小于2000。

修正后的完整代码 #

import pandas as pd

def convert_housing_data_to_quarters(): 
    data_source = pd.read_csv('City_Zhvi_AllHomes.csv')
    data_source['State'] = data_source['State'].map(states) 
    # 注意inplace参数用布尔值True更规范，不要用整数1
    data_source.drop(['Metro','CountyName','RegionID','SizeRank'], axis=1, inplace=True) 
    data_source.set_index(['State','RegionName'], inplace=True) 
    
    # 精准筛选2000年之前的列：拆分列名提取年份，转整数后判断
    columns_to_drop = [col for col in data_source.columns if int(col.split('-')[0]) < 2000]
    
    data_source.drop(columns_to_drop, axis=1, inplace=True) 
    return data_source 

convert_housing_data_to_quarters()

代码解释 #

• 用col.split('-')[0]拆分列名，提取出年份部分（比如从1999-1得到1999），转成整数后判断是否小于2000，这样就能准确筛选出所有2000年之前的列。
• 把inplace=1改成inplace=True，虽然Python会把1视为布尔值True，但用标准布尔值代码可读性更强。

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