在Pandas数据框架中删除有NaN值的列，可以采用如下步骤：
步骤一：创建数据框架并加入NaN值
为了演示删除有NaN值的列的操作，我们需要先创建一个具有NaN值的数据框架。
下面是创建数据框架并加入NaN值的代码：
import pandas as pd
import numpy as np
# 创建一个包含NaN值的数据框架
df = pd.DataFrame({'A': [1, 2, np.nan, 4],
'B': [5, np.nan, np.nan, 8],
'C': [9, 10, 11, 12]})
print(df)
运行结果如下：
A B C
0 1.0 5.0 9
1 2.0 NaN 10
2 NaN NaN 11
3 4.0 8.0 12
步骤二：使用drop()方法删除有NaN值的列
在步骤一中我们已经得到了一个包含NaN值的数据框架，你可以观察到数据框架中有两列（即‘A’和‘B’）包含了NaN值。
现在我们可以使用Pandas的drop()方法来删除有NaN值的列。该方法有两个主要的参数，axis和thresh。
- axis参数：指定要删除的行或列，其中axis=0表示删除行，axis=1表示删除列，默认为0。
- thresh参数：指定一行或一列中要保留的非NaN值最少的数量。
在删除有NaN值的列时，我们可以设置thresh参数为数据框架的行数减去要保留的非NaN值最少的数量。这样可以确保只保留没有NaN值或NaN值数量非常少的列。
下面是删除有NaN值的列的代码，演示了如何只保留没有NaN值或NaN值数量非常少的列：
# 删除有NaN值的列
df = df.dropna(axis=1, thresh=len(df.index)-1)
print(df)
运行结果如下：
C
0 9
1 10
2 11
3 12
从结果可以看出，只剩下了不包含NaN值的列‘C’。
总结：
本文主要介绍了在Pandas数据框架中删除有NaN值的列的完整攻略。该方法主要分为两个步骤：创建包含NaN值的数据框架和使用drop()方法删除有NaN值的列。在删除有NaN值的列时，需要注意设置thresh参数的值。