如何在Pandas中删除所有元素匹配指定列表项的列？

我来帮你搞定这个问题～首先得说，你用循环的时候大概率踩了Pandas里的常见坑：迭代过程中直接修改DataFrame的列，导致列集合动态变化，循环出错。下面给你两种解决方案：一种修正循环的写法，另一种是更高效的Pandas风格实现。

一、先说说循环为啥会报错 #

你可能写了类似这样的错误代码：

import pandas as pd

df = pd.DataFrame({
    'A': [1,1,1],
    'B': [2,3,4],
    'C': ['x','x','x'],
    'D': [5,5,5]
})
target_list = [1, 'x']

# 错误写法：直接遍历df.columns并删除列
for col in df.columns:
    if df[col].nunique() == 1 and df[col].iloc[0] in target_list:
        df.drop(col, axis=1, inplace=True)

这种写法的问题在于，df.columns是动态的，当你删除一列后，后续循环的列索引就乱了，自然会触发报错。

二、循环写法的修正方案 #

解决办法很简单：先把列名转成一个固定的列表，基于这个静态列表去迭代，就不会受DataFrame列变化的影响了：

import pandas as pd

df = pd.DataFrame({
    'A': [1,1,1],
    'B': [2,3,4],
    'C': ['x','x','x'],
    'D': [5,5,5]
})
target_list = [1, 'x']

# 先把列名转成固定列表，避免迭代时列集合变化
cols_to_check = list(df.columns)
for col in cols_to_check:
    # 核心判断：整列只有一个值，且这个值在目标列表里
    if df[col].nunique() == 1 and df[col].iloc[0] in target_list:
        df.drop(col, axis=1, inplace=True)

print(df)
# 最终会保留B和D列，符合预期

三、更高效的Pandas矢量化实现（推荐） #

其实Pandas最擅长的就是不用循环的矢量化操作，数据量大的时候效率会高很多。这里给你两种简洁的写法：

方法1：用apply生成掩码筛选列 #

import pandas as pd

df = pd.DataFrame({
    'A': [1,1,1],
    'B': [2,3,4],
    'C': ['x','x','x'],
    'D': [5,5,5]
})
target_list = [1, 'x']

# 生成布尔掩码：True表示保留该列，False表示删除
keep_col_mask = df.apply(lambda col: not (col.nunique() == 1 and col.iloc[0] in target_list))
# 筛选出要保留的列
df_filtered = df.loc[:, keep_col_mask]

print(df_filtered)

方法2：列表推导式直接筛选列名 #

这种写法更直观，执行速度也快：

# 一次性找出所有需要保留的列名
cols_to_keep = [
    col for col in df.columns 
    if not (df[col].nunique() == 1 and df[col].iloc[0] in target_list)
]
# 直接索引得到筛选后的DataFrame
df_filtered = df[cols_to_keep]

核心逻辑说明 #

不管用哪种方法，核心判断逻辑都是这两点：

• 整列所有值相同：用col.nunique() == 1快速判断（nunique返回列中唯一值的数量）
• 这个唯一值在指定列表里：因为整列值都一样，直接取第一行的值col.iloc[0]判断是否在目标列表即可

内容的提问来源于stack exchange，提问作者Korzak