Excluindo várias colunas com base nos nomes das colunas no Pandas

Eu tenho alguns dados e quando os importo obtenho as seguintes colunas desnecessárias, estou procurando uma maneira fácil de excluir todas elas

   'Unnamed: 24', 'Unnamed: 25', 'Unnamed: 26', 'Unnamed: 27',
   'Unnamed: 28', 'Unnamed: 29', 'Unnamed: 30', 'Unnamed: 31',
   'Unnamed: 32', 'Unnamed: 33', 'Unnamed: 34', 'Unnamed: 35',
   'Unnamed: 36', 'Unnamed: 37', 'Unnamed: 38', 'Unnamed: 39',
   'Unnamed: 40', 'Unnamed: 41', 'Unnamed: 42', 'Unnamed: 43',
   'Unnamed: 44', 'Unnamed: 45', 'Unnamed: 46', 'Unnamed: 47',
   'Unnamed: 48', 'Unnamed: 49', 'Unnamed: 50', 'Unnamed: 51',
   'Unnamed: 52', 'Unnamed: 53', 'Unnamed: 54', 'Unnamed: 55',
   'Unnamed: 56', 'Unnamed: 57', 'Unnamed: 58', 'Unnamed: 59',
   'Unnamed: 60'

Eles são indexados por indexação 0, então tentei algo como

    df.drop(df.columns[[22, 23, 24, 25, 
    26, 27, 28, 29, 30, 31, 32 ,55]], axis=1, inplace=True)

Mas isso não é muito eficiente. Tentei escrever alguns loops for, mas isso me pareceu um comportamento ruim do Pandas. Portanto, faço a pergunta aqui.

Eu vi alguns exemplos que são semelhantes ( pandas de várias colunas ), mas isso não responde à minha pergunta.

Eu não sei o que você quer dizer com ineficiente, mas se você quer dizer em termos de digitação, poderia ser mais fácil apenas selecionar as colunas de interesse e atribuir de volta ao df:

df = df[cols_of_interest]

Onde cols_of_interestestá uma lista das colunas de seu interesse.

Ou você pode fatiar as colunas e passar isso para drop:

df.drop(df.ix[:,'Unnamed: 24':'Unnamed: 60'].head(0).columns, axis=1)

A chamada para headseleciona apenas 0 linhas, pois estamos interessados ​​apenas nos nomes das colunas, e não nos dados

atualizar

Outro método: seria mais simples usar a máscara booleana str.containse invertê-la para mascarar as colunas:

In [2]:
df = pd.DataFrame(columns=['a','Unnamed: 1', 'Unnamed: 1','foo'])
df

Out[2]:
Empty DataFrame
Columns: [a, Unnamed: 1, Unnamed: 1, foo]
Index: []

In [4]:
~df.columns.str.contains('Unnamed:')

Out[4]:
array([ True, False, False,  True], dtype=bool)

In [5]:
df[df.columns[~df.columns.str.contains('Unnamed:')]]

Out[5]:
Empty DataFrame
Columns: [a, foo]
Index: []

De longe, a abordagem mais simples é:

yourdf.drop(['columnheading1', 'columnheading2'], axis=1, inplace=True)

Meu favorito pessoal e mais fácil do que as respostas que vi aqui (para várias colunas):

df.drop(df.columns[22:56], axis=1, inplace=True)

Ou criando uma lista para várias colunas.

col = list(df.columns)[22:56]
df.drop(col, axis=1, inplace=1)

Esta é provavelmente uma boa maneira de fazer o que você deseja. Isso excluirá todas as colunas que contêm 'Sem nome' no cabeçalho.

for col in df.columns:
    if 'Unnamed' in col:
        del df[col]

Você pode fazer isso em uma linha e de uma vez:

df.drop([col for col in df.columns if "Unnamed" in col], axis=1, inplace=True)

Isso envolve menos movimentação / cópia do objeto do que as soluções acima.

Não tenho certeza se esta solução foi mencionada em algum lugar ainda, mas uma maneira de fazer é pandas.Index.difference.

>>> df = pd.DataFrame(columns=['A','B','C','D'])
>>> df
Empty DataFrame
Columns: [A, B, C, D]
Index: []
>>> to_remove = ['A','C']
>>> df = df[df.columns.difference(to_remove)]
>>> df
Empty DataFrame
Columns: [B, D]
Index: []

Você pode simplesmente passar os nomes das colunas como uma lista especificando o eixo como 0 ou 1

• eixo = 1: ao longo das linhas
• eixo = 0: ao longo das colunas

• Por eixo padrão = 0

  data.drop(["Colname1","Colname2","Colname3","Colname4"],axis=1)

Simples e fácil. Remova todas as colunas após o dia 22.

df.drop(columns=df.columns[22:]) # love it

O seguinte funcionou para mim:

for col in df:
    if 'Unnamed' in col:
        #del df[col]
        print col
        try:
            df.drop(col, axis=1, inplace=True)
        except Exception:
            pass

df = df[[col for col in df.columns if not ('Unnamed' in col)]]