在Pandas 0.16.1+中，只有当列按照eiTan LaVi发布的解决方案存在时，才能删除它们。在此版本之前，您可以通过条件列表理解获得相同的结果：

df.drop([col for col in ['col_name_1','col_name_2',...,'col_name_N'] if col in df],
        axis=1, inplace=True)

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。

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。

Pandas 0.21+答案

Pandas 0.21版略微更改了drop方法，以包括索引和列参数，以匹配重命名和重新索引方法的签名。

df.drop(columns=['column_a', 'column_c'])

就我个人而言，我更喜欢使用axis参数来表示列或索引，因为它是几乎所有panda方法中使用的主要关键字参数。但是，现在您在0.21版中增加了一些选择。

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)