从版本0.16.1开始，您可以

df.drop(['column_name'], axis = 1, inplace = True, errors = 'ignore')

总是使用[]符号是一个很好的做法。一个原因是属性表示法（df.column_name）不适用于编号索引：

In [1]: df = DataFrame([[1, 2, 3], [4, 5, 6]])

In [2]: df[1]
Out[2]:
0    2
1    5
Name: 1

In [3]: df.1
  File "<ipython-input-3-e4803c0d1066>", line 1
    df.1
       ^
SyntaxError: invalid syntax

Use:

columns = ['Col1', 'Col2', ...]
df.drop(columns, inplace=True, axis=1)

这将在位删除一个或多个列。请注意，inplace=True是在panda v0.13中添加的，在旧版本中不起作用。在这种情况下，您必须重新分配结果：

df = df.drop(columns, axis=1)

从Python的一般观点来看，如果可以删除属性column_name，del obj.column_name是有意义的。它需要是一个常规属性，或者是一个定义了删除器的属性。

这不适用于Pandas，也不适用于Pandas数据帧的原因如下：

考虑df.column_name是一个“虚拟属性”，它本身不是一个东西，它不是该列的“座位”，它只是访问该列的一种方式。很像没有删除器的属性。

我们可以通过drop（）方法删除或删除一个或多个指定列。

假设df是一个数据帧。

要删除的列=列0

代码：

df = df.drop(column0, axis=1)

要删除多个列col1、col2、，coln，我们必须在列表中插入所有需要删除的列。然后通过drop（）方法删除它们。

代码：

df = df.drop([col1, col2, . . . , coln], axis=1)

要删除特定列之前和之后的列，可以使用truncate方法。例如：

   A   B    C     D      E
0  1  10  100  1000  10000
1  2  20  200  2000  20000

df.truncate(before='B', after='D', axis=1)

输出：

    B    C     D
0  10  100  1000
1  20  200  2000