pandas DataFrame的增删查改总结系列文章：
此文我们继续围绕DataFrame介绍相关操作。
平时在用DataFrame时候，删除操作用的不太多，基本是从源DataFrame中筛选数据，组成一个新的DataFrame再继续操作。
1. 删除DataFrame某一列
这里我们继续用上一节产生的DataFrame来做例子，原DataFrame如下：
我们使用drop()函数，此函数有一个列表形参labels，写的时候可以加上labels=[xxx]，也可以不加，列表内罗列要删除行或者列的名称，默认是行名称，如果要删除列，则要增加参数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!
结果如下，对于上面的代码，官方教程文档中给出了columns=['name']，但是在我测试的时候会报错，我用的python3，pandas版本为0.18，可能是pandas版本太老的缘故。
这里注意输出的结果是执行此方法的结果，而不是输出test_dict_df的结果，是因为方法默认的并不是在本身执行操作，这时候输出test_dict_df输出的仍然是没有进行删除操作的原DataFrame，如果你想在原DataFrame上进行操作，需要加上inplace=True，等价于在操作完再赋值给本身：
test_dict_df.drop(['id'],axis=1,inplace=True)
# test_dict_df = test_dict_df.drop(['id'],axis=1)
2. 删除DataFrame某一行
删除某一行，在上面删除列操作的时候也稍有提及，如果不加axis=1，则默认按照行号进行删除，例如要删除第0行和第4行：
test_dict_df.drop([0,4])
同理，你要在源DataFrame上进行操作就得加上inplace参数，否则不会在test_dict_df上改动。
当然，如果你的DataFrame有很多级，你可以加上level参数，这里就不多赘述了。