问题描述：

我遇到这样一种情况，有时当我读取时，csv我df会得到一个名为的不需要的索引类列unnamed:0。

file.csv

,A,B,C
0,1,2,3
1,4,5,6
2,7,8,9

CSV 的读取方式如下：

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

这太烦人了！有人知道如何摆脱它吗？

解决方案 1：

它是索引列，传递pd.to_csv(..., index=False)首先不要写出未命名的索引列，请参阅to_csv()文档。

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read_csv通过以下方式选择性地告诉第一列是索引列index_col=0：

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

解决方案 2：

这通常是由于您的 CSV 与（未命名）索引（）一起保存造成的RangeIndex。

（实际上，在保存 DataFrame 时需要进行修复，但这并不总是一种选择。）

解决方法：read_csv使用index_col=[0] 参数

在我看来，最简单的解决方案是将未命名的列读取为索引。为指定一个index_col=[0]参数pd.read_csv，这将读取第一列作为索引。（请注意方括号）。

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')

pd.read_csv('file.csv')

   Unnamed: 0  a  b  c
0           0  x  x  x
1           1  x  x  x
2           2  x  x  x
3           3  x  x  x
4           4  x  x  x

# Now try this again, with the extra argument.
pd.read_csv('file.csv', index_col=[0])

   a  b  c
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x

注意：如果您的 DataFrame 没有索引，那么

您可以通过使用以下方法首先避免这种情况：如果输出 CSV 是在 pandas 中创建的：index=False

df.to_csv('file.csv', index=False)

但正如上面提到的，这并不总是一种选择。

权宜之计：过滤str.match

如果您无法修改代码来读取/写入 CSV 文件，则可以通过以下方式过滤来删除该列str.match：

df 

   Unnamed: 0  a  b  c
0           0  x  x  x
1           1  x  x  x
2           2  x  x  x
3           3  x  x  x
4           4  x  x  x

df.columns
# Index(['Unnamed: 0', 'a', 'b', 'c'], dtype='object')

df.columns.str.match('Unnamed')
# array([ True, False, False, False])

df.loc[:, ~df.columns.str.match('Unnamed')]
 
   a  b  c
0  x  x  x
1  x  x  x
2  x  x  x
3  x  x  x
4  x  x  x

解决方案 3：

要删除所有未命名的列，您还可以使用正则表达式，例如df.drop(df.filter(regex="Unname"),axis=1, inplace=True)

解决方案 4：

您可以对“未命名”列执行以下任一操作：

1. 删除未命名的列

2. 重命名它们（如果您想使用它们）

方法 1：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)

如果您想要像输入文件一样写出一个空白标题，只需选择上面的“名称”为“”。

OP 的输入数据 'file.csv' 为：

,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')

解决方案 5：

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，csv每行以逗号结尾。Unnamed: x当您尝试将数据读入时，数据末尾会出现一个未命名的列df。

解决方案 6：

只需使用以下命令删除该列：del df['column_name']

解决方案 7：

简单这样做：

df = df.loc[:, ~df.columns.str.contains('^Unnamed')]

解决方案 8：

或者：

df = df.drop(columns=['Unnamed: 0'])

解决方案 9：

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))

解决方案 10：

根据我的经验，您可能有许多理由不想将该列设置为 index_col =[0]，正如上面许多人建议的那样。例如，它可能包含混乱的索引值，因为数据在索引或排序后保存到 csv 中，而不会df.reset_index(drop=True)导致即时混乱。

因此，如果您知道文件包含此列而您不想要它，那么根据原始问题，最简单的一行解决方案是：

df = pd.read_csv('file.csv').drop(columns=['Unnamed: 0'])

或者

df = pd.read_csv('file.csv',index_col=[0]).reset_index(drop=True)

解决方案 11：

我认为您引用的列是索引的情况。无论如何，我建议使用这个更通用的解决方案：

df = pd.read_csv("file.csv", usecols=lambda col: not col.startswith("Unnamed"))

解决方案 12：

df.to_csv()下面显示了使用时与索引是否已写入无关的解决方案：

df = pd.read_csv(file_name)
if 'Unnamed: 0' in df.columns:
    df.drop('Unnamed: 0', axis=1, inplace=True)

如果没有写入索引，那么index_col=[0]将使用第一列作为索引，这是一种人们不想要的行为。

解决方案 13：

我的问题略有不同。第一个标题未命名，这导致我之后的所有数据都向左移动，使其错位，并使最后一列全部为 NaN。

我使用以下方法解决了该问题：

df = pd.read_csv('filename.csv', nrows=1)
columns = list(df.columns)[1:]
df = pd.read_csv('filename.csv', skiprows=1, header=None, names=columns)