本文介绍如何安全地从 Pandas DataFrame 中移除列名严格以指定字符串结尾（而非仅包含）的列，解决使用正则模糊匹配导致 ABC_number_AX_MED 等列被误删的问题。
本文介绍如何安全地从 pandas dataframe 中移除列名**严格以指定字符串结尾**（而非仅包含）的列，解决使用正则模糊匹配导致 `abc_number_ax_med` 等列被误删的问题。
在数据清洗过程中，常需根据列名模式批量删除列。但若仅用 re.search('_AX', col) 或 '_AX' in col 这类子串匹配，会错误排除 ABC_number_AX_MED（因其包含 _AX），而实际目标仅是剔除以 _AX 或 _B2 结尾的列（如 ABC_number_AX）。
最简洁、高效且语义清晰的解决方案是使用 Python 原生的 str.endswith() 方法配合 any() 判断：
# 定义需排除的列名后缀（必须完全匹配结尾） patterns = ['_AX', '_B2'] # 保留所有不以任一 pattern 结尾的列 filtered_columns = [col for col in df.columns if not any(col.endswith(p) for p in patterns)] # 生成新 DataFrame（推荐：避免链式赋值风险） df_filtered = df[filtered_columns].copy()
✅ 优势说明：
- col.endswith(p) 严格校验后缀，ABC_number_AX_MED.endswith('_AX') 返回 False，完美避开误删；
- 无需导入 re 模块，无正则转义开销，代码更轻量、可读性更强；
- 时间复杂度为 O(n×m)，其中 n 是列数、m 是 patterns 长度，对常规数据规模性能优异。
⚠️ 注意事项：
- 若需支持大小写不敏感匹配（如同时排除 _ax 和 _AX），可先统一转小写：col.lower().endswith(p.lower())；
- 若 patterns 包含空字符串 ''，endswith('') 恒为 True，将清空所有列——请确保 patterns 中无空值；
- 建议使用 .copy() 显式创建新 DataFrame，避免 SettingWithCopyWarning；如需原地修改，可用 df.drop(columns=filtered_out_cols, inplace=True)，其中 filtered_out_cols = [c for c in df.columns if any(c.endswith(p) for p in patterns)]。
总结：当过滤逻辑聚焦于“列名结尾”时，优先选用 str.endswith() 而非正则匹配——它语义明确、零配置、零误判，是 Pandas 列名处理中的最佳实践之一。
