Python Pandas中DataFrame.pop与DataFrame.drop方法有何区别

你的核心判断是正确的：dataframe.pop 移除指定列时会返回被移除的列内容，dataframe.drop 不会单独返回被移除的列，二者的具体行为差异可以拆解为以下几点：

• df.pop() 的行为逻辑
  • 仅支持传入单个列名作为参数，调用后会直接在原DataFrame上原地删除目标列，不需要额外设置原地修改参数
  • 返回值就是被删除的整列（Series类型），可以直接赋值给变量留存使用
  • 如果传入的列名不存在，会直接抛出KeyError
    示例代码：

  import pandas as pd
  df = pd.DataFrame({"A": [1,2,3], "B": [4,5,6], "C": [7,8,9]})
  # 弹出B列
  removed_col = df.pop("B")
  print(removed_col)
  # 0    4
  # 1    5
  # 2    6
  # Name: B, dtype: int64
  
  print(df) # 原DF已经删除B列
  #    A  C
  # 0  1  7
  # 1  2  8
  # 2  3  9
  

• df.drop() 的行为逻辑
  • 灵活性更高，支持同时删除多列、多行，通过axis参数指定删除维度（axis=1为删列，axis=0为删行）
  • 默认不会修改原DataFrame，会返回一个完成删除操作的新DataFrame；如果需要原地修改原数据，需要显式传入inplace=True，此时方法返回值为None
  • 不会单独返回被删除的内容，仅返回删除后剩余的完整DataFrame（非原地模式下）；还可以通过errors参数配置当待删除标签不存在时的处理逻辑，比如设置errors='ignore'就不会抛出KeyError
    示例代码：

  df = pd.DataFrame({"A": [1,2,3], "B": [4,5,6], "C": [7,8,9]})
  # 默认非原地模式：返回删除B、C列后的新DF，原DF不受影响
  df_after_drop = df.drop(columns=["B", "C"])
  print(df_after_drop)
  #    A
  # 0  1
  # 1  2
  # 2  3
  
  # 原地删除模式：直接修改原DF，无有效返回值
  df.drop(columns=["B"], inplace=True)
  print(df) # 原DF已删除B列
  #    A  C
  # 0  1  7
  # 1  2  8
  # 2  3  9
  

简单总结使用场景：如果删除列时需要复用被删掉的列内容，直接用pop()写法最简洁；如果需要批量删除行列、或者不想改动原始数据做链式处理，用drop()更合适。

内容的提问来源于stack exchange，提问作者Kandy