如何在可变列数的DataFrame中原地保留索引与第n列并删除其余列？

嘿，这个场景我太熟了！处理列数不固定的DataFrame，要原地只保留索引和第n列，其实有个既简洁又高效的方法，完全适配列数变化的情况。

首先得明确一个小细节：Python里的列是0-based索引（从0开始数），如果你说的“第n列”是日常说的1-based序号（比如第1列、第2列），那得先转成0-based的索引值，这点别搞混了！

最优原地实现方法 #

用pandas的drop()方法配合columns.difference()，直接原地删除不需要的列：

# 假设你说的"第n列"是1-based的序号，先转成0-based索引
target_column = df.columns[n-1]

# 原地删除所有非目标列，只保留索引和目标列
df.drop(df.columns.difference([target_column]), axis=1, inplace=True)

为什么这是最优解？ #

• 适配列数可变：不管你的DataFrame有10列还是1000列，columns.difference()都会自动找出所有不需要保留的列，不用手动列出来，非常省心。
• 严格原地操作：inplace=True参数会直接修改原DataFrame对象，不需要重新赋值（比如df = df[...]这种其实是创建新对象，不算严格原地）。
• 安全可靠：这是pandas官方推荐的列删除方式，不会因为列名变化、列数增减出问题。

补充：如果是0-based的列索引 #

要是你本来就用0-based的索引（比如直接指定第0列、第1列），那直接去掉转索引的步骤就行：

target_column = df.columns[n]
df.drop(df.columns.difference([target_column]), axis=1, inplace=True)

内容的提问来源于stack exchange，提问作者SwimMaster