我有一种情况，有时当我从df 读取csv 时，我会得到一个名为unnamed:0 的不需要的类似索引的列。
file.csv
,A,B,C
0,1,2,3
1,4,5,6
2,7,8,9
CSV 是这样读取的：
pd.read_csv('file.csv')
Unnamed: 0 A B C
0 0 1 2 3
1 1 4 5 6
2 2 7 8 9
这很烦人！有没有人知道如何摆脱这种情况？
【问题讨论】：
read_csv(..., index_col=[0]) 解决方法是主要的，而不是“Do pd.to_csv(..., index=False)”。
标签： python pandas csv dataframe
这是索引列，传递pd.to_csv(..., index=False)首先不写出未命名的索引列，请参阅to_csv() docs。
例子：
In [37]:
df = pd.DataFrame(np.random.randn(5,3), columns=list('abc'))
pd.read_csv(io.StringIO(df.to_csv()))
Out[37]:
Unnamed: 0 a b c
0 0 0.109066 -1.112704 -0.545209
1 1 0.447114 1.525341 0.317252
2 2 0.507495 0.137863 0.886283
3 3 1.452867 1.888363 1.168101
4 4 0.901371 -0.704805 0.088335
比较：
In [38]:
pd.read_csv(io.StringIO(df.to_csv(index=False)))
Out[38]:
a b c
0 0.109066 -1.112704 -0.545209
1 0.447114 1.525341 0.317252
2 0.507495 0.137863 0.886283
3 1.452867 1.888363 1.168101
4 0.901371 -0.704805 0.088335
您还可以选择通过传递index_col=0 告诉read_csv 第一列是索引列：
In [40]:
pd.read_csv(io.StringIO(df.to_csv()), index_col=0)
Out[40]:
a b c
0 0.109066 -1.112704 -0.545209
1 0.447114 1.525341 0.317252
2 0.507495 0.137863 0.886283
3 1.452867 1.888363 1.168101
4 0.901371 -0.704805 0.088335
【讨论】：
read_csv 没有 skipcols arg，在读取 csv 后，您可以只执行 df = df.drop(columns=df.columns[0]) 或者您可以先读取列，然后将列减去第一列类似于cols = pd.read_csv( ....., nrows=1).columns，然后再次重新读取df = pd.read_csv(....., usecols=cols[1:])，这避免了读取多余列然后将其删除的开销
read_csv(..., index_col=[0]) 中包含方括号。也避免tickling the whole pre-0.16.1 deprecated index_col = False bug。
index_col=[0] 比index_col=0 更好吗？
index_col = False was deprecated way back in 0.16.1，Python 无法真正区分bool False 和int 0，所以index_col = 0 也被弃用了.将列表括号放在零周围：[0].
这通常是由于您的 CSV 已与（未命名的）索引 (RangeIndex) 一起保存。
（实际上需要在保存 DataFrame 时进行修复，但这并不总是一种选择。）
read_csv 与 index_col=[0] 参数IMO，最简单的解决方案是将未命名的列读取为索引。为pd.read_csv 指定一个index_col=[0] 参数，这将在第一列中读取为索引。 （注意方括号）。
df = pd.DataFrame('x', index=range(5), columns=list('abc'))
df
a b c
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
# Save DataFrame to CSV.
df.to_csv('file.csv')
要获取所有未命名的列，您还可以使用正则表达式，例如df.drop(df.filter(regex="Unname"),axis=1, inplace=True)
【讨论】：
str.match 为我的日期格式的列名创建了 nans。
另一种可能发生这种情况的情况是，如果您的数据被错误地写入您的csv 以使每一行都以逗号结尾。当您尝试将其读入df 时，这将在您的数据末尾留下一个未命名的列Unnamed: x。
【讨论】：
usecols=range(0,10)截掉了未命名的列
musical_instruments_store.csvcolor,item\nbrown,piano, 之类的数据： - 您在第一行缺少一列（例如，在这种情况下为空的价格，所以它应该是colour, item, price) - 第二行尾随逗号，因此需要清理数据（因此应改为 brown,piano。
您可以对未命名的列执行以下操作：
文件.csv
,A,B,C
0,1,2,3
1,4,5,6
2,7,8,9
#读取文件
df = pd.read_csv('file.csv')
方法一：删除未命名的列
# delete one by one like column is 'Unnamed: 0' so use it's name
df.drop('Unnamed: 0', axis=1, inplace=True)
#delete all Unnamed Columns in a single code of line using regex
df.drop(df.filter(regex="Unnamed"),axis=1, inplace=True)
方法 2：重命名未命名的列
df.rename(columns = {'Unnamed: 0':'Name'}, inplace = True)
如果您想在输入文件中写出空白标题，只需选择上面的“名称”为“”。
【讨论】：
只需使用以下命令删除该列：del df['column_name']
【讨论】：
read_csv(..., index_col=[0])。通常对于 pandas，尝试解决问题而不是花 5 分钟阅读文档然后进行试验直到您解决它只会导致/推迟进一步的问题。诚然，pandas 文档不清楚、不完整且代码滞后（欢迎使用开源！）。这就是 github 的用途。
这样做很简单：
df = df.loc[:, ~df.columns.str.contains('^Unnamed')]
【讨论】：
或者：
df = df.drop(columns=['Unnamed: 0'])
【讨论】：
from IPython.display import display
import pandas as pd
import io
df = pd.read_csv('file.csv',index_col=[0])
df = pd.read_csv(io.StringIO(df.to_csv(index=False)))
display(df.head(5))
【讨论】：