pandas DataFrame的增刪查改總結系列文章：
此文我們繼續圍繞DataFrame介紹相關操作。
平時在用DataFrame時候，刪除操作用的不太多，基本是從源DataFrame中篩選數據，組成一個新的DataFrame再繼續操作。
1. 刪除DataFrame某一列
這里我們繼續用上一節產生的DataFrame來做例子，原DataFrame如下：
我們使用drop()函數，此函數有一個列表形參labels，寫的時候可以加上labels=[xxx]，也可以不加，列表內羅列要刪除行或者列的名稱，默認是行名稱，如果要刪除列，則要增加參數axis=1，操作如下：
#pd.__version__ =='0.18.0'
#drop columns
test_dict_df.drop(['id'],axis=1)
#test_dict_df.drop(columns=['id']) # official operation， maybe my pandas version needs update!
結果如下，對於上面的代碼，官方教程文檔中給出了columns=['name']，但是在我測試的時候會報錯，我用的python3，pandas版本為0.18，可能是pandas版本太老的緣故。
這里注意輸出的結果是執行此方法的結果，而不是輸出test_dict_df的結果，是因為方法默認的並不是在本身執行操作，這時候輸出test_dict_df輸出的仍然是沒有進行刪除操作的原DataFrame，如果你想在原DataFrame上進行操作，需要加上inplace=True，等價於在操作完再賦值給本身：
test_dict_df.drop(['id'],axis=1,inplace=True)
# test_dict_df = test_dict_df.drop(['id'],axis=1)
2. 刪除DataFrame某一行
刪除某一行，在上面刪除列操作的時候也稍有提及，如果不加axis=1，則默認按照行號進行刪除，例如要刪除第0行和第4行：
test_dict_df.drop([0,4])
同理，你要在源DataFrame上進行操作就得加上inplace參數，否則不會在test_dict_df上改動。
當然，如果你的DataFrame有很多級，你可以加上level參數，這里就不多贅述了。