首先，创建一个DataFrame格式数据作为举例数据。
# 创建一个DataFrame格式数据
data = {'a': ['a0', 'a1', 'a2'],'b': ['b0', 'b1', 'b2'],'c': [i for i in range(3)],'d': 4}
df = pd.DataFrame(data)
print('举例数据情况：\n', df)
注：DataFrame是最常用的pandas对象，使用pandas读取数据文件后，数据就以DataFrame数据结构存储在内存中。
pandas数据行列删除，主要用到drop()和del函数，用法如下：
1、drop()函数
语法：
DataFrame.drop(labels,axis=0,level=None,inplace=False,errors=’raise’)
| 参数 | 说明 |
|---|---|
| labels | 接收string或array，代表要删除的行或列的标签（行名或列名）。无默认值 |
| axis | 接收0或1，代表操作的轴（行或列）。默认为0，代表行；1为列。 |
| level | 接收int或索引名，代表标签所在级别。默认为None |
| inplace | 接收布尔值，代表操作是否对原数据生效，默认为False |
| errors | errors='raise’会让程序在labels接收到没有的行名或者列名时抛出错误导致程序停止运行，errors='ignore’会忽略没有的行名或者列名，只对存在的行名或者列名进行操作。默认为‘errors=‘raise’’。 |
实例1：删除d列
df1 = df.drop(labels='d', axis=1)
print('删除d列前：\n', df)
print('删除d列后：\n', df1)
实例2：删除第一行
df2 = df.drop(labels=0)
print('删除前：\n', df)
print('删除列：\n', df2)
实例3：同时删除多行多列
df3 = df.drop(labels=['a', 'b'], axis=1) # 同时删除a,b列
df4 = df.drop(labels=range(2)) # 等价于df.drop(labels=[0,1])
print('删除前：\n', df)
print('删除多列（a,b）:\n', df3)
print('删除多行(第1,2行)：\n', df4)
注意：（1）、删除列的操作时，axis参数不可省，因为axis默认为0（行）；
（2）、没有加入inplace参数，默认不会对原来数据进行修改，需要将结果赋值给新的变量。
2、del函数
语法：del df[‘列名’]
此操作会对原数据df进行删除，且一次只能删除一列。
正确用法：
del df['d']
print('原地删除d列后：\n', df)
错误用法:
del df[['a', 'b']]
print(df)
以上就是pandas删除某行某列数据的用法，drop()相对于del()来说，灵活性更高，更为实用。
