要删除DataFrame中的列，我可以成功使用：
del df['column_name']
但为什么我不能使用以下选项？
del df.column_name
由于可以通过df.column_name访问该系列，所以我希望这能奏效。
当前回答
Use:
df.drop('columnname', axis =1, inplace = True)
或者你可以和
del df['colname']
基于列编号删除多个列的步骤
df.drop(df.iloc[:,1:3], axis = 1, inplace = True)
基于列名删除多个列的步骤
df.drop(['col1','col2',..'coln'], axis = 1, inplace = True)
其他回答
在Pandas DataFrame中删除列的另一种方法
如果您不希望就地删除，则可以通过使用DataFrame（…）函数指定列来创建一个新的DataFrame：
my_dict = { 'name' : ['a','b','c','d'], 'age' : [10,20,25,22], 'designation' : ['CEO', 'VP', 'MD', 'CEO']}
df = pd.DataFrame(my_dict)
创建新的DataFrame作为
newdf = pd.DataFrame(df, columns=['name', 'age'])
你得到的结果和del/drop一样好。
Use:
columns = ['Col1', 'Col2', ...]
df.drop(columns, inplace=True, axis=1)
这将在位删除一个或多个列。请注意，inplace=True是在panda v0.13中添加的，在旧版本中不起作用。在这种情况下，您必须重新分配结果：
df = df.drop(columns, axis=1)
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)
Use:
df.drop('columnname', axis =1, inplace = True)
或者你可以和
del df['colname']
基于列编号删除多个列的步骤
df.drop(df.iloc[:,1:3], axis = 1, inplace = True)
基于列名删除多个列的步骤
df.drop(['col1','col2',..'coln'], axis = 1, inplace = True)
从Python的一般观点来看，如果可以删除属性column_name，del obj.column_name是有意义的。它需要是一个常规属性，或者是一个定义了删除器的属性。
这不适用于Pandas，也不适用于Pandas数据帧的原因如下：
考虑df.column_name是一个“虚拟属性”，它本身不是一个东西，它不是该列的“座位”，它只是访问该列的一种方式。很像没有删除器的属性。
