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
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)
其他回答
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)
一个很好的补充是，只有列存在时才可以删除它们。这样，您可以覆盖更多的用例，并且它只会从传递给它的标签中删除现有列：
例如，只需添加errors='ignore'：
df.drop(['col_name_1', 'col_name_2', ..., 'col_name_N'], inplace=True, axis=1, errors='ignore')
这是熊猫0.16.1以后的新版本。文档在这里。
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。
从版本0.16.1开始，您可以
df.drop(['column_name'], axis = 1, inplace = True, errors = 'ignore')
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)
