获得你想要的列的好方法(没有问题重复的名称)。

例如，您希望删除的列索引包含在类似列表的变量中

unnecessary_cols = [1, 4, 5, 6]

then

import numpy as np
df.iloc[:, np.setdiff1d(np.arange(len(df.columns)), unnecessary_cols)]

像这样删除多个列:

cols = [1,2,4,5,12]
df.drop(df.columns[cols],axis=1,inplace=True)

inplace=True用于在数据帧本身中进行更改，而不需要在数据帧的副本上进行列删除。如需保留原稿，请使用:

df_after_dropping = df.drop(df.columns[cols],axis=1)

您需要根据列在数据框架中的位置来标识它们。例如，如果你想删除(del)列2、3和5，它将是，

df.drop(df.columns[[2,3,5]], axis = 1)

如果您真的想处理整数(为什么?)，那么您可以构建一个字典。

col_dict = {x: col for x, col in enumerate(df.columns)}

那么df = df。Drop (col_dict[0]， 1)将按预期工作

编辑:你可以把它放在一个为你做这件事的函数中，尽管这样它会在你每次调用它的时候创建字典

def drop_col_n(df, col_n_to_drop):
    col_dict = {x: col for x, col in enumerate(df.columns)}
    return df.drop(col_dict[col_n_to_drop], 1)

df = drop_col_n(df, 2)

感谢我很晚才参加派对，但我也有同样的问题，一个DataFrame有一个MultiIndex。Pandas真的不喜欢非唯一的多索引，在某种程度上，上面的大多数解决方案在这种设置下都不起作用(例如，.drop函数只会错误地带有ValueError:不能处理非唯一的多索引!)

我得到的解决方案是使用.iloc代替。根据文档，use可以使用带有掩码的iloc(=你想保留的列的True/False值列表):

使用长度与列匹配的布尔数组。 df。iloc[:，[正确，错误，正确，错误]]

结合df.columns. duplication()来识别重复的列，你可以以一种高效的、panda -native的方式做到这一点:

df = df.iloc[:, ~df.columns.duplicated()]

获得你想要的列的好方法(没有问题重复的名称)。

例如，您希望删除的列索引包含在类似列表的变量中

unnecessary_cols = [1, 4, 5, 6]

then

import numpy as np
df.iloc[:, np.setdiff1d(np.arange(len(df.columns)), unnecessary_cols)]