如何修复函数使结果DataFrame仅含子集列？求修正DataFrame删列函数

咱们先看看你的代码里存在的几个关键问题：

• 变量名笔误：函数里用了data，但实际传入的参数是dataframe，这会直接引发未定义变量的错误
• inplace=True的坑：当drop方法设置inplace=True时，它会直接修改原DataFrame，返回值是None，所以你最后得到的subset_df会是None，根本拿不到子集后的结果
• 列名大小写不匹配：你的原始DataFrame列名是大写的X、Y、Z，但调用函数时传入的是小写的x、z，这会导致程序找不到对应列而报错

接下来是修复后的函数，这里推荐不修改原始DataFrame的写法（更安全，避免意外破坏原始数据）：

import pandas as pd

# 原始DataFrame
dataframe = pd.DataFrame({ "X": range(10), "Y": range(10,20), "Z": range(5,15) })

def subset_dataframe(dataframe, drop_cols):
    # 处理列名大小写不敏感的问题：把传入的列名统一转成大写
    normalized_drop_cols = [col.upper() for col in drop_cols]
    # 不使用inplace，让drop返回新的DataFrame，原数据保持不变
    subset_df = dataframe.drop(normalized_drop_cols, axis=1)
    return subset_df

# 调用函数，即使传小写列名也能正常工作
subsetted_df = subset_dataframe(dataframe, drop_cols=["x", "z"])
# 打印结果，只会保留Y列
print(subsetted_df)

修复细节解释： #

1. 修正变量名：把函数内的data替换成参数dataframe，解决未定义变量的问题
2. 移除inplace=True：drop方法默认会返回一个新的DataFrame，我们直接将这个新对象赋值给subset_df并返回，这样原始DataFrame不会被改动
3. 列名大小写兼容：通过列表推导式把传入的drop_cols全部转成大写，匹配原始DataFrame的列名，让函数更健壮；如果不需要这种兼容，直接用drop_cols传入和原数据一致的列名即可

如果你确实需要修改原始DataFrame（不推荐，因为会改变原始数据状态），可以这样写，但要注意先获取子集再修改原数据：

def subset_dataframe(dataframe, drop_cols):
    normalized_drop_cols = [col.upper() for col in drop_cols]
    # 先拿到子集结果
    subset_df = dataframe.drop(normalized_drop_cols, axis=1)
    # 再修改原始DataFrame
    dataframe.drop(normalized_drop_cols, axis=1, inplace=True)
    return subset_df

运行修复后的代码，subsetted_df就会只保留未被删除的列（例子里就是Y列）啦。

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