Pandas drop()方法无法删除列：循环内外表现不一致求助

我一眼就看出核心问题了：你在循环里做的i = i.drop('datetime', axis=1)只是让局部变量i指向了一个新的DataFrame实例，但原列表augmenting_dfs里的原始元素完全没被修改。

为啥会这样？当你遍历augmenting_dfs时，i只是列表中每个DataFrame的临时引用。一旦你执行i = ...，这个变量就会指向新的对象，和原列表里的那个DataFrame彻底脱钩了——这就是为啥循环内打印显示列被删除，但循环外访问原列表时，datetime列又回来了。

这里给你两种靠谱的修正方式，按需选择：

方式1：通过索引直接修改原列表 #

遍历列表的索引，直接把修改后的DataFrame放回原列表的对应位置：

t_start_pd = time.time()
# 遍历索引而非元素，直接操作原列表
for idx in range(len(augmenting_dfs)):
    df = augmenting_dfs[idx]
    # 原有的列格式化逻辑
    if df.shape[1] == 7:
        df['symbol'] = symbol
        df = df.loc[:, ['symbol', 'Date', 'Time', 'Open', 'High', 'Low', 'Close', 'TotalVolume']]
        df.columns = ['symbol', 'price_date', 'price_time', 'price_open', 'price_high', 'price_low', 'price_close', 'volume']
        print('Columns formatted.')
    # datetime处理逻辑
    df['datetime'] = pd.to_datetime(df.price_date.astype('str') + ' ' + df.price_time.astype('str'))
    print('datetime formatted')
    df.index = df.datetime
    df = df.drop('datetime', axis=1)
    # 关键：把修改后的DataFrame放回原列表
    augmenting_dfs[idx] = df
t_end_pd = time.time()
print(t_end_pd - t_start_pd)

方式2：用列表推导式生成新列表（更Pythonic） #

把DataFrame的处理逻辑封装成函数，用列表推导式直接生成包含所有修改后对象的新列表，再覆盖原列表：

def process_dataframe(df):
    # 列格式化逻辑
    if df.shape[1] == 7:
        df['symbol'] = symbol
        df = df.loc[:, ['symbol', 'Date', 'Time', 'Open', 'High', 'Low', 'Close', 'TotalVolume']]
        df.columns = ['symbol', 'price_date', 'price_time', 'price_open', 'price_high', 'price_low', 'price_close', 'volume']
        print('Columns formatted.')
    # datetime处理逻辑
    df['datetime'] = pd.to_datetime(df.price_date.astype('str') + ' ' + df.price_time.astype('str'))
    print('datetime formatted')
    df.index = df.datetime
    return df.drop('datetime', axis=1)

# 生成新列表并覆盖原变量
t_start_pd = time.time()
augmenting_dfs = [process_dataframe(df) for df in augmenting_dfs]
t_end_pd = time.time()
print(t_end_pd - t_start_pd)

• 你之前尝试列表推导式没成功，大概率是忘了把生成的新列表赋值回augmenting_dfs——光写推导式不覆盖原变量，原列表当然不会变。
• 如果你想尝试原地修改（不创建新对象），可以用df.drop('datetime', axis=1, inplace=True)，但要注意inplace=True在链式操作中可能引发意外，而且Pandas官方也更推荐返回新对象的写法，所以优先考虑上面两种方案。

内容的提问来源于stack exchange，提问作者pmse234