如何在Pandas DataFrame中删除单个或多个列

先创建一个示例DataFrame，方便后续演示：

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9], 'D': [10, 11, 12], 'E': [13, 14, 15]}
df = pd.DataFrame(data)

1. drop() 方法（最通用） #

这是最常用的删除列方式，支持单列/多列删除，还能选择是否直接修改原DataFrame：

# 删除单个列
df.drop('A', axis=1, inplace=True)

# 删除多个列（两种写法都可行）
df.drop(['B', 'C'], axis=1, inplace=True)
# 用columns参数更直观
df.drop(columns=['B', 'C'], inplace=True)

提示：如果不用inplace=True，方法会返回删除列后的新DataFrame，原DataFrame保持不变。

2. del 关键字（简单直接） #

如果只需要删除单个列，用del最省事，直接修改原DataFrame：

del df['A']

3. pop() 方法（删除并获取列数据） #

需要用到被删除列的数据时，用pop()最合适——它会删除指定列，同时返回该列的Series对象：

# 删除列A并把数据存起来
col_a_data = df.pop('A')

4. 反向选择保留列（适合删除大量列） #

如果要删除的列很多，只需要保留少数几列，直接选择保留的列重新赋值即可：

# 仅保留A、B列，相当于删除C、D、E
df = df[['A', 'B']]

5. loc 精准选择保留列 #

用loc可以更严谨地筛选列，还能通过反选排除指定列：

# 直接保留指定列
df = df.loc[:, ['A', 'B']]

# 排除指定列（删除C、D列）
df = df.loc[:, ~df.columns.isin(['C', 'D'])]

6. iloc 通过列索引删除 #

知道列的位置索引时，可以用iloc按位置删除，适合列名不固定但位置确定的场景：

# 保留第0、1、4列（对应A、B、E），相当于删除C、D
df = df.iloc[:, [0, 1, 4]]

# 或者用切片保留前两列（A、B）
df = df.iloc[:, :2]

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