Pandas按索引删除列失效问题求助：修改列名后df.drop命令无效果

看起来你的问题出在修改列名的方式或者删除列的逻辑依赖于列名这两点上，咱们一步步拆解：

可能的核心原因 #

你提到执行df.set_axis([daty], axis='columns', inplace=True)后删除列的命令失效——这里很可能是你写错了set_axis的参数！如果daty本身就是一个包含所有新列名的列表（长度和你的DataFrame列数一致），那你不应该把它再套一层[]，正确的写法应该是：

df.set_axis(daty, axis='columns', inplace=True)

如果写成[daty]，相当于把整个daty列表作为单个列名赋值给DataFrame，这时候你的列名会变成一个列表对象，而不是你预期的日期字符串。后续用df.columns[index]获取的是这个奇怪的列名，自然无法匹配到任何列，所以drop命令毫无效果。

验证方法 #

先执行以下代码确认列名是否符合预期：

print(df.columns)

如果输出是类似Index([['2021-08-08', '2021-08-08', ...]], dtype='object')，那说明你确实多套了一层列表，导致列名异常。

解决方案 #

方案1：修正set_axis的调用 #

把[daty]改成daty，确保列名被正确设置为日期字符串：

# 去掉外层的[]
df.set_axis(daty, axis='columns', inplace=True)
# 之后再执行删除列的命令
df.drop(df.columns[index], axis=1, inplace=True)

方案2：绕开列名，直接按位置删除列 #

既然你的需求是删除指定位置的列，完全不需要依赖列名来操作——这样不管列名是什么（重复、特殊类型等）都不会影响结果。推荐用iloc来筛选保留的列：

import numpy as np

# 获取所有不需要删除的列的位置
keep_cols = ~np.isin(np.arange(df.shape[1]), index)
# 保留这些列（直接赋值，比inplace更安全）
df = df.iloc[:, keep_cols]

或者用列表推导式：

keep_cols = [i for i in range(df.shape[1]) if i not in index]
df = df.iloc[:, keep_cols]

方案3：确认要删除的列名是否正确 #

如果你坚持用drop方法，可以先打印要删除的列名，确认它们确实存在于DataFrame中：

cols_to_drop = df.columns[index]
print("要删除的列名：", cols_to_drop)
# 确认后执行删除
df.drop(cols_to_drop, axis=1, inplace=True)

额外提醒 #

尽量避免使用inplace=True，因为它会直接修改原DataFrame，容易引发意外的副作用（比如后续代码引用原DF时出现问题）。更推荐直接赋值给原变量（比如df = df.drop(...)），代码更清晰也更安全。

内容的提问来源于stack exchange，提问作者antekkalafior