使用python pandas 删除column

在 Python 中，可以使用 Pandas 库来操作表格数据。如果您想要删除 Pandas DataFrame 中的某一列，可以使用 `drop()` 方法来实现。具体的代码如下：

import pandas as pd

# 读取包含表格数据的文件
df = pd.read_excel("data.xlsx")

# 删除名为 "Column Name" 的列
df = df.drop("Column Name", axis=1)

# 将修改后的数据保存到新文件中
df.to_excel("new_data.xlsx", index=False)

在上面的代码中，`drop()` 方法的第一个参数是要删除的列名，第二个参数 `axis=1` 表示要删除列（默认是删除行），修改后的数据保存到新文件中。

如果要删除多列，可以将列名放在一个列表中，如下所示：

# 删除多个列
df = df.drop(["Column 1", "Column 2"], axis=1)

需要注意的是，`drop()` 方法并不会修改原始的 DataFrame，而是返回一个新的 DataFrame，所以需要将修改后的数据保存到变量中或者新的文件中。

相关问题

python pandas column names search with regex

在Python的pandas库中，如果你想要通过正则表达式搜索列名，你可以使用`DataFrame.columns.str.contains()`函数结合`re`模块来实现。这个函数会返回一个布尔系列，其中True表示列名匹配给定的正则表达式模式。

例如：

import pandas as pd
import re

# 假设你有一个DataFrame df
df = pd.DataFrame({
   'A1': [1, 2, 3],
   'B2 pattern': [4, 5, 6],
   'Column_with_numbers': [7, 8, 9]
})

# 搜索包含数字的列名
pattern = r'\d+'  # 正则表达式模式，这里匹配一个或多个数字
matches = df.columns.str.contains(pattern)

# 现在matches是一个布尔Series，你可以筛选出匹配的列名
matching_columns = df.columns[matches]

print(matching_columns)

在这个例子中，`matching_columns`将会是`['B2 pattern', 'Column_with_numbers']`，因为它们的列名中都包含了数字。

python pandas删除列

要删除 pandas DataFrame 中的列，可以使用 `drop` 方法。例如，如果要删除名为 `column_name` 的列，可以使用以下代码：

df = df.drop('column_name', axis=1)

其中，`axis=1` 表示删除列。如果要删除多列，可以将列名作为列表传递给 `drop` 方法：

df = df.drop(['column_name_1', 'column_name_2'], axis=1)