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)

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)

你可以像这样删除i索引上的列:

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

这可能会很奇怪，如果列中有重复的名字，你可以重命名你想要删除的列。或者你可以像这样重新分配数据帧:

df = df.iloc[:, [j for j, c in enumerate(df.columns) if j != i]]

由于可以有多个具有相同名称的列，我们应该首先重命名列。 下面是解决方案的代码。

df.columns=list(range(0,len(df.columns)))
df.drop(columns=[1,2])#drop second and third columns

您可以简单地为df提供columns参数。Drop命令，所以在这种情况下你不需要指定轴，像这样

columns_list = [1, 2, 4] # index numbers of columns you want to delete
df = df.drop(columns=df.columns[columns_list])

参考参见这里的columns参数:https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.drop.html?highlight=drop#pandas.DataFrame.drop

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()]