如何删除均值重复的Pandas DataFrame列？附问题排查

首先看你遇到的问题：你用df[[each_column]].mean()得到的是带列名的Series对象，而不是单纯的均值数值，所以字典里的value会包含列标签信息，导致没法直接比较重复值。其实不用手动循环构建字典，Pandas有更简洁高效的原生方法来处理这个需求。

完整解决方案步骤： #

1. 计算所有列的均值
   直接用df.mean()就能得到一个以列名为索引、均值为值的Series，不用写循环：

   col_means = df.mean()
   # 示例输出：
   # A    1.333333
   # B    2.000000
   # C    1.333333
   # dtype: float64
   

2. 标记重复均值的列
   用duplicated()方法，它会标记出重复出现的均值（默认保留第一个出现的列，后续重复的标记为True）：

   duplicate_cols = col_means.duplicated()
   # 示例输出：
   # A    False
   # B    False
   # C     True
   # dtype: bool
   

3. 筛选保留非重复均值的列
   通过布尔索引筛选出不需要删除的列，重新赋值给原DataFrame：

   df = df.loc[:, ~duplicate_cols]
   

完整示例代码： #

import pandas as pd

# 构造你的示例数据
data = {
    'A': [1, 0, 3],
    'B': [2, 2, 2],
    'C': [1, 0, 3]
}
df = pd.DataFrame(data)

# 计算列均值
col_means = df.mean()
# 标记重复均值的列
duplicate_cols = col_means.duplicated()
# 保留非重复列
df = df.loc[:, ~duplicate_cols]

print(df)
# 输出结果：
#    A  B
# 0  1  2
# 1  0  2
# 2  3  2

为什么你的原代码有问题？ #

df[[each_column]]返回的是一个单列DataFrame，调用mean()后得到的是带有列名的Series（比如A 1.333333），而不是单个浮点数。如果想在循环里获取纯数值，应该改成df[each_column].mean()（去掉外层的方括号，直接取Series），但其实完全没必要写循环，用上面的原生方法更高效简洁。

内容的提问来源于stack exchange，提问作者Gary