如何删除pandas DataFrame中列名以数字开头的列？

嘿，这个问题问到点子上了——面对200列的DataFrame，确实得兼顾代码的效率和可读性，我给你拆解清楚：

你的伪代码可行性？ #

思路是对的，但直接在for循环里逐列drop虽然能跑通，却不是最优解。举个例子，如果你的伪代码是类似这样：

for col in df.columns:
    if col[0].isdigit():
        df.drop(col, axis=1, inplace=True)

它确实能删掉目标列，但存在两个明显的问题：

• 每次drop（哪怕用inplace=True）都会触发DataFrame的内部结构调整，循环200次的话，效率远不如一次性批量操作
• inplace=True本身就不推荐，它会直接修改原对象，容易引发意外的副作用（比如后续引用原df的地方出问题）

为什么循环修改DataFrame不推荐？ #

Pandas的设计理念是向量化操作，也就是尽量对整个数据集做批量处理，而不是逐行/逐列循环。循环操作不仅效率低，代码也会显得冗余，尤其是当列数更多的时候，维护成本会上升。

最佳实践：批量筛选/删除 #

推荐两种更简洁高效的方式，都是一次性完成操作：

方法1：筛选保留需要的列（更直观） #

先把所有不以数字开头的列筛选出来，直接重新赋值给df：

# 筛选条件：列名第一个字符不是数字（同时兼容空列名的情况）
keep_cols = [col for col in df.columns if not (col and col[0].isdigit())]
df = df[keep_cols]

方法2：批量删除目标列 #

先收集所有需要删除的列，然后一次性调用drop：

drop_cols = [col for col in df.columns if col and col[0].isdigit()]
df = df.drop(columns=drop_cols)

这两种方法都只需要遍历一次列名列表，然后做一次DataFrame的调整，效率比循环高得多，代码也更清晰易读。

额外小提示 #

如果你的列名里有特殊情况（比如空字符串、全空格的列名），可以在判断条件里加个非空检查（就是上面代码里的col and ...），避免col[0]触发索引越界错误。

内容的提问来源于stack exchange，提问作者Gen Tan