以幂等方式删除Pandas DataFrame列的优雅实现（不设errors="ignore"）

在不确定DataFrame列是否存在的场景（比如Jupyter Notebook），除了设置errors="ignore"忽略KeyError外，还有几种更Pythonic或符合Pandas惯用风格的实现方式。

先看示例DataFrame：

import pandas as pd
from pandas import DataFrame

df_initial: DataFrame = pd.DataFrame([
    {
        "country": "DE",
        "price": 1,
        "quantity": 10
    }
])

你当前的实现是先判断列存在再删除：

def drop_country_if_exists(df):
    if "country" in df:
        return df.drop("country", axis=1)

df_country_dropped = drop_country_if_exists(df_initial)

以下是更优雅的替代方案：

1. 列表推导式筛选保留列 #

直接生成要保留的列列表，避免调用drop时的潜在错误，逻辑直观清晰：

cols_to_drop = ["country"]
df_country_dropped = df_initial[[col for col in df_initial.columns if col not in cols_to_drop]]

2. 利用df.columns.difference（Pandas惯用方式） #

借助Pandas原生的列集合操作，自动处理列不存在的情况，属于Pandas风格的优雅实现：

cols_to_drop = ["country"]
df_country_dropped = df_initial[df_initial.columns.difference(cols_to_drop)]

注意：difference会返回排序后的列，如果需要保留原列顺序，可以加上keep='first'参数（Pandas 1.4.0+支持）：

df_country_dropped = df_initial[df_initial.columns.difference(cols_to_drop, keep='first')]

3. 封装支持批量删除的简洁函数 #

如果需要复用删除逻辑，可封装成函数，先筛选出实际存在的待删除列再执行删除，既安全又支持批量操作：

def drop_columns_if_exists(df, cols):
    existing_cols = [col for col in cols if col in df.columns]
    return df.drop(existing_cols, axis=1)

# 调用示例（支持单列或多列）
df_country_dropped = drop_columns_if_exists(df_initial, ["country"])

这些方案要么利用Python的列表推导式特性，要么借助Pandas原生的列操作方法，比单纯的显式判断或忽略错误更符合优雅代码的要求。

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