这里的大多数答案都忽略了实际提出的问题：

为什么不能使用del df.column_name？

首先，我们需要了解这个问题，这需要我们深入研究Python的神奇方法。

正如韦斯在回答中指出的那样，deldf['column']映射到Python的神奇方法df__delitem__（'column'），它在Pandas中实现以删除列。

然而，正如上面关于Python魔术方法的链接中所指出的：

事实上，__del__几乎永远不应该被使用，因为它被称为；小心使用！

您可以认为不应该使用或鼓励del df['column_name]，因此甚至不应该考虑del df.column_name。

然而，理论上，deldf.column_name可以使用魔术方法__delattr_在Pandas中实现。然而，这确实会带来某些问题，deldf['column_name]实现已经存在的问题，但程度较低。

示例问题

如果我在数据帧中定义了一个名为“dtypes”或“columns”的列，该怎么办？

然后假设我想删除这些列。

deldf.dtypes会使__delattr_方法混淆，好像它应该删除“dtypes”属性或“dtype”列一样。

这个问题背后的建筑问题

数据帧是列的集合吗？数据帧是行的集合吗？列是数据帧的属性吗？

熊猫回答：

是的，在所有方面不，但如果您想这样做，可以使用.ix、.loc或.iloc方法。也许，你想读取数据吗？那么是的，除非该属性的名称已经被属于数据帧的另一个属性所采用。是否要修改数据？那就没有了。

太长，读不下去了

你不能做deldf.column_name，因为Pandas有一个相当广泛的架构，需要重新考虑，以避免用户出现这种认知失调。

专业提示：

不要使用df.column_name。它可能很漂亮，但会导致认知失调。

Python之禅引用如下：

删除列有多种方法。

应该有一种——最好只有一种——明显的方法来实现。

列有时是属性，但有时不是。

特殊情况不足以打破规则。

del df.dtypes是否删除dtypes属性或dtypes列？

面对模棱两可的问题，拒绝猜测。

要删除特定列之前和之后的列，可以使用truncate方法。例如：

   A   B    C     D      E
0  1  10  100  1000  10000
1  2  20  200  2000  20000

df.truncate(before='B', after='D', axis=1)

输出：

    B    C     D
0  10  100  1000
1  20  200  2000

通过使用自动补全或“IntelliSense”而不是字符串文字来获得优势：

del df[df.column1.name]

# or

df.drop(df.column1.name, axis=1, inplace=True)

它适用于当前的Pandas版本。

总是使用[]符号是一个很好的做法。一个原因是属性表示法（df.column_name）不适用于编号索引：

In [1]: df = DataFrame([[1, 2, 3], [4, 5, 6]])

In [2]: df[1]
Out[2]:
0    2
1    5
Name: 1

In [3]: df.1
  File "<ipython-input-3-e4803c0d1066>", line 1
    df.1
       ^
SyntaxError: invalid syntax

正如您所猜测的，正确的语法是

del df['column_name']

由于Python中的语法限制，很难使del df.column_name正常工作。deldf[name]被翻译成df__delitem__（name）在Python的封面下。

在Pandas中执行此操作的最佳方法是使用drop：

df = df.drop('column_name', axis=1)

其中1是轴号（0表示行，1表示列。）

或者，drop（）方法接受索引/列关键字作为指定轴的替代方法。所以我们现在可以做：

df = df.drop(columns=['column_nameA', 'column_nameB'])

这是在v0.21.0中引入的（2017年10月27日）

要删除列而不必重新分配df，可以执行以下操作：

df.drop('column_name', axis=1, inplace=True)

最后，要按列编号而不是按列标签删除，请尝试删除，例如，第1列、第2列和第4列：

df = df.drop(df.columns[[0, 1, 3]], axis=1)  # df.columns is zero-based pd.Index

同时使用列的“text”语法：

df.drop(['column_nameA', 'column_nameB'], axis=1, inplace=True)