Pandas删除数据框中除一个列以外的所有列

在本文中，我们将介绍如何使用Pandas删除数据框中除一个列以外的所有列，并提供一些简单的示例说明。
阅读更多：Pandas 教程

方法1：使用drop()函数

使用Pandas的drop()函数可以删除列，我们可以先获取需要保留的列名称，然后使用drop函数删除不需要的列，最后将保留的列合并起来。例如，删除下面数据框中的除了”B”列以外的所有列：

import pandas as pd

data = {"A": [1, 2, 3, 4], "B": [5, 6, 7, 8], "C": [9, 10, 11, 12]}
df = pd.DataFrame(data)
print(df)

#           A  B   C
#        0  1  5   9
#        1  2  6  10
#        2  3  7  11
#        3  4  8  12

cols_to_keep = ["B"]
df = df[cols_to_keep]
print(df)

#          B
#        0  5
#        1  6
#        2  7
#        3  8

方法2：使用loc[]函数

使用Pandas的loc[]函数可以选择列和行。我们可以使用这个函数来选择需要保留的列，然后删除其它列。例如，删除下面数据框中的除了”B”列以外的所有列：

import pandas as pd

data = {"A": [1, 2, 3, 4], "B": [5, 6, 7, 8], "C": [9, 10, 11, 12]}
df = pd.DataFrame(data)
print(df)

#           A  B   C
#        0  1  5   9
#        1  2  6  10
#        2  3  7  11
#        3  4  8  12

cols_to_keep = ["B"]
df = df.loc[:, cols_to_keep]
print(df)

#          B
#        0  5
#        1  6
#        2  7
#        3  8

方法3：使用iloc[]函数

使用Pandas的iloc[]函数可以选择列和行。我们可以使用这个函数来选择需要保留的列，然后删除其它列。例如，删除下面数据框中的除了”B”列以外的所有列：

import pandas as pd

data = {"A": [1, 2, 3, 4], "B": [5, 6, 7, 8], "C": [9, 10, 11, 12]}
df = pd.DataFrame(data)
print(df)

#           A  B   C
#        0  1  5   9
#        1  2  6  10
#        2  3  7  11
#        3  4  8  12

cols_to_keep = [1] # B列是第2列，因此用1表示
df = df.iloc[:, cols_to_keep]
print(df)

#          B
#        0  5
#        1  6
#        2  7
#        3  8

方法4：使用pop()函数

使用Pandas的pop()函数可以删除列并返回删除的列，我们可以先使用pop函数删除不需要的列，然后将保留的列合并起来。例如，删除下面数据框中的除了”B”列以外的所有列：

import pandas as pd

data = {"A": [1, 2, 3, 4], "B": [5, 6, 7, 8], "C": [9, 10, 11, 12]}
df = pd.DataFrame(data)
print(df)

#           A  B   C
#        0  1  5   9
#            1  2  6  10
    2  3  7  11
    3  4  8  12

col_to_keep = "B"
removed_col = df.pop(col_to_keep)
df = pd.DataFrame(removed_col, columns=[col_to_keep])
print(df)

#          B
#        0  5
#        1  6
#        2  7
#        3  8