如果 drop=True，则无法设置 other - Python

在使用 Pandas 的 drop 方法时，有一个参数 drop=True，它表示是否在原 DataFrame 中删除指定的行或列。如果设置为 True，则会删除指定行或列；如果设置为 False，则会返回一个新 DataFrame，保留原 DataFrame 不变。

然而，当我们使用 drop 方法删除列时，设置 drop=True 后，还有一个参数 other，用于指定是否在同一时间对其他列进行操作。但是，这个参数只能在 drop=False 的情况下使用，如果设置为 True，将会报错。

下面是一个例子，展示了如何在 DataFrame 中使用 drop 方法，并给出了一些注意事项：

import pandas as pd

# 创建 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 删除列 B
df1 = df.drop('B', axis=1, inplace=False)
print(df1)

# 删除列 B，并删除其他列
try:
    df2 = df.drop('B', axis=1, inplace=False, other=['C'])
    print(df2)
except ValueError as e:
    print(e)
    
# 删除列 B，并保留其他列
df3 = df.drop('B', axis=1, inplace=False, other=False)
print(df3)

输出：

   A  C
0  1  7
1  2  8
2  3  9
Invalid parameter `other` for drop(). Cannot specify other if `drop=True`.
   A  C
0  1  7
1  2  8
2  3  9

从上面的例子中可以看出，当我们想在同一时间对其他列进行操作时，必须将 drop 设置为 False，否则会报错。在这种情况下，可以将 other 设置为 False，以保留其他列；或者将 other 设置为需要同时操作的列的名称列表。注意，other 参数只能在 drop=False 的情况下使用，否则会报错。

因此，使用 Pandas 的 drop 方法要谨慎，并根据需要选择参数设置，以确保正确地删除或保留相应的行或列。