使用新功能-可调用项选择：

cols = ['Name','Sex']

df = (pd.read_csv(filename, header=None, names=cols)
      [lambda x: np.ones(len(x)).astype(bool)
                 if (x.iloc[0] != cols).all()
                 else np.concatenate([[False], np.ones(len(x)-1).astype(bool)])]
)

使用.query()方法：

df = (pd.read_csv(filename, header=None, names=cols)
        .query('Name != "Name" and Sex != "Sex"'))

我不确定这是不是最优雅的方式，但这应该也行：

df = pd.read_csv(filename, header=None, names=cols)

if (df.iloc[0] == cols).all():
    df = df[1:].reset_index(drop=True)

我提出了一种无需事先知道头文件名称即可检测头文件的方法：

if any(df.iloc[0].apply(lambda x: isinstance(x, str))):
    df = df[1:].reset_index(drop=True)

并且通过稍微改变它，它可以用检测到的报头更新当前报头：

if any(df.iloc[0].apply(lambda x: isinstance(x, str))):
    df = df[1:].reset_index(drop=True).rename(columns=df.iloc[0])

这将允许容易地选择期望的行为：

update_header = True

if any(df.iloc[0].apply(lambda x: isinstance(x, str))):
    new_header = df.iloc[0]

    df = df[1:].reset_index(drop=True)

    if update_header:
        df.rename(columns=new_header, inplace=True)

优点：

• 不需要事先知道头文件的名称。
• 可用于在检测到现有标题时自动更新标题。
  缺点：
• 如果数据中包含字符串，则效果不佳。替换if any()以要求所有元素都是字符串可能会有所帮助，除非数据中也包含整行字符串。