如何在Pandas DataFrame中筛选并删除含Unnamed的列？

嘿，这个需求在Pandas里其实有好几种简单的实现方式，思路和你熟悉的SQL LIKE '%Unnamed%' 非常类似，我给你拆解两种最常用的方法：

方法一：列表推导式筛选保留列 #

这种方式直观易懂，直接遍历所有列名，只保留不包含"Unnamed"的列：

# 重新赋值DataFrame，仅保留符合条件的列
df = df[[col for col in df.columns if 'Unnamed' not in col]]

原理很简单：我们生成一个只包含目标列名的列表，再用这个列表去索引原DataFrame，自动就剔除了所有带"Unnamed"的列。

方法二：用str.contains()匹配删除（更贴近SQL LIKE逻辑） #

如果你想更贴近SQL的模糊匹配写法，可以用Pandas的str.contains()方法来定位目标列，再通过drop()删除：

# 定位所有列名包含"Unnamed"的列，然后删除
df = df.drop(columns=df.columns[df.columns.str.contains('Unnamed')])

这里df.columns.str.contains('Unnamed')会返回一个布尔数组，标记每一列的名称是否包含指定字符串；接着我们用这个数组筛选出要删除的列名，最后调用drop()完成删除。

额外小技巧 #

如果你的列名可能有大小写变体（比如"unnamed"或"UNNAMED"），可以添加case=False参数忽略大小写：

df = df.drop(columns=df.columns[df.columns.str.contains('Unnamed', case=False)])

举个实际例子，假设你的原DataFrame列名是：
['date', 'Unnamed: 1', 'workdate', 'Unnamed: 3', 'worknumber', 'Unnamed: 5', 'weight', 'Unnamed: 7']
用上面任意一种方法处理后，剩下的列就是：
['date', 'workdate', 'worknumber', 'weight']

内容的提问来源于stack exchange，提问作者Rocky