如何使用Python从数据帧中删除列？

我有以下代码（Python 2.7）：

这将从数据流创建压缩的csv文件。 现在，我想确保文件中的列是我期望的（顺序不重要）。这意味着，如果出于任何原因，数据流包含的列数超过此列数，则将被删除。请注意，我在数据流中添加了自己的一列，名为

timestamp

允许的列包括：

cols_list = ['order_id', 'customer_id', 'date', 'price']

我知道有

deldf['column_name']

选项，但这对我不起作用，因为我不知道什么是多余的列名

我要找的东西是：

if col_name not it cols_list:
   del df[???]  #delete column and it's data.
   print [???]  #print the name of the redundant column for log

我认为这里有两种方法：

首先不要将冗余列添加到

df

完成

df.append

后，删除冗余列

我更喜欢第一个选项，因为它应该具有更好的性能（？）

我的一次尝试是：

for i, data in enumerate(df):
        for col_name in cols_list:
            if col_name not in data.keys():
               del df[col_name ]

但是它不起作用

如果col_name不在data.keys（）中：AttributeError:'str'对象没有属性'keys'

---

我不确定我是否枚举了

df

本身

在

df.append

完成后删除冗余列非常简单：

df = df[cols_list]

---

对于第一个建议，您可以在将其附加到

df

之前应用上述语句。但是，您应该注意，这需要一个

pandas数据帧

对象，因此您可能需要首先将

data.result（）

转换为pandas数据帧。

根据函数read\u csv at的pandas文档，有一个参数“usecols”，描述如下：

usecols：类似列表或可调用，默认为无

返回列的子集。如果类似于列表，则所有元素都必须 位置性（即文档列中的整数索引）或 与中的用户提供的列名相对应的字符串 名称或从文档标题行推断的名称。例如，一个 像usecols参数这样的有效列表应该是[0,1,2]或['foo'，'bar'， “baz”]。元素顺序被忽略，因此usecols=[0，1]与[1]相同， 0]. 从保留元素顺序的数据实例化数据帧 使用pd.read_csv（数据，usecols=['foo'，'bar']）[['foo'，'bar']]来 按['foo'、'bar']顺序或pd.read\u csv（数据，usecols=['foo'， 对于['bar'，foo']]订单，['bar'，foo']]]

如果可调用，将根据 列名，返回可调用函数计算结果的名称 对。一个有效的可调用参数示例是lambda x： x、 ['AAA'，'BBB'，'DDD']中的上限（）。使用此参数会导致 更快的解析时间和更低的内存使用率

---

这就是您问题的答案。

如果您想尝试使用

for loop

工作，请尝试以下方法：

for col_name in df.columns:
    if col_name not in cols_list:
       del df[col_name]

我认为需要通过

列名列表

s，然后通过

子集

和

[]

进行过滤：

cols_list = ['order_id', 'customer_id', 'date', 'price']
cols = df.columns.intersection(cols_list)
df = df[cols]

---

cols_list是应该保留的列。我不知道需要删除的列的名称。所有不在cols_列表中的东西都应该删除是的，如果你使用我提供的函数，它只会将cols_列表中指定的列添加到新的

df

变量。这并不能回答我的问题：）为什么不直接获取一个新的数据帧，该数据帧将包含来自上一个数据帧的所需列以及您添加的新列。这样，如果前一个数据帧中有更多的列，那么这并不重要，因为您将只处理新数据帧中所需的列dataframe@Inder我不确定我在跟踪你。我无法将上一个CSV强制转换为当前CSV。我在代码完成后删除它们。csv是将数据上传到BigQuery的一个步骤。我想说的是，您只需要数据帧df（1）中的订单id、客户id、日期、价格，可以有10列。只需创建一个空的数据帧df（2），从df（1）中分配所需的列，例如df（2）[“customer id”]=df（1）[“customer id”]。此外，您还可以将自定义列添加到此新数据框，并根据需要使用它。您可以确保无论原始数据框是什么，它都只包含所需的列had@Inder这可能会消耗大量的内存和时间。。。难道没有别的办法吗？只对所需列执行df.append怎么样？如果列数不同，append将抛出错误。这不是解决方案。首先，你假设我读了错的。我将文件上传到Google存储并用它更新BigQuery。其次，可能有20多列我需要忽略。。假设每个文件有500K行，它会占用大量的空间，而这些空间没有任何用途，更不用说处理时间了。那么我建议至少标题需要更改，它特别提到了csv。但我还想指出，您必须有排除列的标准，并且假设这些列可以编码，因此您可能希望使用类似此参数的可调用版本，它可以是一个函数。

cols_list = ['order_id', 'customer_id', 'date', 'price']
cols = df.columns.intersection(cols_list)
df = df[cols]