如果保留其他类似空值（例如None、NaT）并不重要，则用nan替换-inf，并删除包含任何空值的列（dropna的how arg的默认值为"any"）

import numpy as np
import pandas as pd

df = pd.DataFrame({
    'a': [1,2,np.nan],
    'b': [1,-np.inf,3],
    'c': [1,2,3]
})
df = df.replace({-np.inf: np.nan}).dropna(axis=1)
df

输出：

c
0   1
1   2
2   3

否则我会这么做：

import numpy as np
import pandas as pd

TARGET_VALUES = [-np.inf, np.nan]

df = pd.DataFrame({
    'a': [1,2,np.nan],
    'b': [1,-np.inf,3],
    'c': ['a','b',None]
})
column_value_counts = df.isin(TARGET_VALUES).sum(axis=0)
df = df[column_value_counts[column_value_counts == 0].index.values].copy()
df

输出：

c
0   a
1   b
2   None