drop删列时列名不存在默认报KeyError，应加errors='ignore'；推荐用columns=参数而非axis=1；删列后需df.copy()释放内存；正则删列需str.contains(na=False)配合布尔索引。
drop函数删列时列名不存在会报错
直接用
删除列，如果其中某个列名（比如
）根本不在 DataFrame 里，默认会抛出
。这不是 bug，是 pandas 的默认严格模式。
实操建议：
立即学习
“
Python免费学习笔记（深入）
”；
加参数
：遇到不存在的列就跳过，不报错 —— 适合清洗脚本中“尽力删、删不着也不拦路”的场景
想确认哪些列真被删了？删之前先检查：
别用
配合
来“静默试删”，容易掩盖列名拼写错误，后期难 debug
用axis=1还是columns参数？选哪个更安全
两种写法效果一样：
和
。但后者语义明确、不易误用。
实操建议：
立即学习
“
Python免费学习笔记（深入）
”；
容易手滑写成
（结果变成删行），尤其在快速复制粘贴时
参数名自带提示，IDE 补全友好，也方便后续加
或
如果要同时删行列（极少见），必须用
；日常纯删列，无脑用
删列后索引没变，但内存没立刻释放
pandas 的
默认返回新 DataFrame，原对象不动。但即使你赋值覆盖，比如
，Python 的引用计数机制和 pandas 内部缓存可能导致旧列数据暂时滞留内存。
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
下载
实操建议：
立即学习
“
Python免费学习笔记（深入）
”；
大表处理完立刻删列，紧接着调用
，能强制触发底层数据重分配，释放冗余内存
避免链式操作如
，中间对象不落地，GC 压力大；分步赋值更可控
用
对比删列前后内存占用，别只看
用正则批量删列名含特定模式的列
比如要删所有以
开头或含
的列，
本身不支持正则，得靠布尔索引配合
。
实操建议：
立即学习
“
Python免费学习笔记（深入）
”；
写法是：
注意
默认匹配子串，加
和
控制边界，否则
也会被
匹配中
正则失败时返回
，导致布尔索引出错，加参数
：
删列看着简单，真正卡住人的往往是列名大小写不一致、空格隐藏字符、或者以为删了其实只是视图——动手前先
看一眼原始名字，比查文档快。
df.drop(columns=['col1', 'col2'])'col2'KeyErrorerrors='ignore'set(['col1', 'col2']) & set(df.columns)inplace=Trueerrors='ignore'df.drop(['A', 'B'], axis=1)df.drop(columns=['A', 'B'])axis=1axis=0columns=errors=inplace=axiscolumns=dropdf = df.drop(columns=['temp'])df = df.copy()df.drop(...).drop(...).reset_index()df.info(memory_usage='deep').shape'tmp_''_bak'dropstr.contains()df.drop(columns=df.columns[df.columns.str.contains(r'^(tmp_|.*_bak$)')])str.contains()^$'report''port'NaNna=Falsedf.columns.str.contains(..., na=False)print(list(df.columns))