该方法在适当的位置执行所有操作。许多其他答案会复制，效率不高:

df.drop(df.columns[df.columns.str.contains('Test')]， axis=1, inplace=True)

使用正则表达式匹配所有不包含不需要的单词的列:

df = df.filter(regex='^((?!badword).)*$')

该方法在适当的位置执行所有操作。许多其他答案会复制，效率不高:

df.drop(df.columns[df.columns.str.contains('Test')]， axis=1, inplace=True)

问题声明“我想删除名称包含单词“Test”的所有列。”

test_columns = [col for col in df if 'Test' in col]
df.drop(columns=test_columns, inplace=True)

你可以用df。过滤器获取匹配字符串的列列表，然后使用df.drop

resdf = df.drop(df.filter(like='Test',axis=1).columns.to_list(), axis=1)

更便宜，更快，习惯用法:str.contains

在最近版本的pandas中，可以在索引和列上使用字符串方法。这里str.startswith似乎很合适。

删除以给定子字符串开头的所有列:

df.columns.str.startswith('Test')
# array([ True, False, False, False])

df.loc[:,~df.columns.str.startswith('Test')]

  toto test2 riri
0    x     x    x
1    x     x    x

对于大小写不敏感的匹配，你可以使用基于正则表达式的匹配str.contains和一个SOL锚:

df.columns.str.contains('^test', case=False)
# array([ True, False,  True, False])

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

  toto riri
0    x    x
1    x    x

如果混合类型是可能的，指定na=False。