pandas删除列有如下三种操作方式：

11.del df['columns'] #改变原始数据
22.df.drop('columns',axis=1)#删除不改表原始数据，可以通过重新赋值的方式赋值该数据
33.df.drop('columns',axis=1,inplace='True') #改变原始数据

具体总结为：凡是会对原数组作出修改并返回一个新数组的，往往都有一个 inplace可选参数。如果手动设定为True（默认为False），那么原数组直接就被替换。也就是说，采用inplace=True之后，原数组名（如2和3情况所示）对应的内存值直接改变；而采用inplace=False之后，原数组名对应的内存值并不改变，需要将新的结果赋给一个新的数组或者覆盖原数组的内存位置（如1情况所示）。

一、del df操作

引入pandas和numpy模块，生成测试数据如下：

pandas-del-columns
pandas-del-columns

使用del 删除的时候，只需要在pandas数据里指定要删除数据的列名称即可。

1>>> del df['E']
2>>> df
3             A   B   C   D
42019-07-11   0   1   2   3
52019-07-12   5   6   7   8
62019-07-13  10  11  12  13
72019-07-14  15  16  17  18
82019-07-15  20  21  22  23
92019-07-16  25  26  27  28

二、使用drop

1. df= df.drop(‘column_name’, 1)

输入:df.drop(‘D’,axis=1),不改变内存，及输入df的时候，它还是显示原数据:

 1>>> df.drop('D',axis=1)
 2             A   B   C
 32019-07-11   0   1   2
 42019-07-12   5   6   7
 52019-07-13  10  11  12
 62019-07-14  15  16  17
 72019-07-15  20  21  22
 82019-07-16  25  26  27
 9>>> df
10             A   B   C   D
112019-07-11   0   1   2   3
122019-07-12   5   6   7   8
132019-07-13  10  11  12  13
142019-07-14  15  16  17  18
152019-07-15  20  21  22  23
162019-07-16  25  26  27  28

axis取值有0和1，0代表删除行，1代表删除列。删除多列用法如下：

1>>> df.drop(['B', 'C'], axis=1)  或
2>>> df.drop(columns=['B', 'C'])

2. df.drop(‘column_name’,axis=1, inplace=True)

输入:df.drop(‘num’,axis=1，inplace=True),改变内存，及输入df的时候，它显示改变后的数据:

1>>> df.drop('B',axis=1,inplace=True)
2>>> df
3             A   C   D
42019-07-11   0   2   3
52019-07-12   5   7   8
62019-07-13  10  12  13
72019-07-14  15  17  18
82019-07-15  20  22  23
92019-07-16  25  27  28

3. df.drop(df.columns[[0,1, 3]], axis=1,inplace=True)

使用列索引信息删除，示例如下：

 1>>> df
 2             A   C   D
 32019-07-11   0   2   3
 42019-07-12   5   7   8
 52019-07-13  10  12  13
 62019-07-14  15  17  18
 72019-07-15  20  22  23
 82019-07-16  25  27  28
 9>>> df.drop(df.columns[0], axis=1,inplace=True)
10>>> df
11             C   D
122019-07-11   2   3
132019-07-12   7   8
142019-07-13  12  13
152019-07-14  17  18
162019-07-15  22  23
172019-07-16  27  28
18>>> df.drop(df.columns[[0,1]], axis=1,inplace=True)
19>>> df
20Empty DataFrame
21Columns: []
22Index: [2019-07-11 00:00:00, 2019-07-12 00:00:00, 2019-07-13 00:00:00, 2019-07-14 00:00:00, 2019-07-15 00:00:00, 2019-07-16 00:00:00]
23>>>

最后给下行删除的方法，也是类似的，如下：

1>>> df
2   A  B   C   D
30  0  1   2   3
41  4  5   6   7
52  8  9  10  11
6>>> df.drop([0, 1])
7   A  B   C   D
82  8  9  10  11

PS: 2019-07-22 后记，为便于将pandas进行系列整理，方便查询，特将此篇时间与2017年写的一些东西进行了标题和时间合并，做成系列文章。