一种方法是将内部合并的结果存储在两个dfs中，然后我们可以简单地选择行，当一个列的值不是这样的:

In [119]:

common = df1.merge(df2,on=['col1','col2'])
print(common)
df1[(~df1.col1.isin(common.col1))&(~df1.col2.isin(common.col2))]
   col1  col2
0     1    10
1     2    11
2     3    12
Out[119]:
   col1  col2
3     4    13
4     5    14

编辑

您已经发现的另一种方法是使用isin，它将生成可以删除的nan行:

In [138]:

df1[~df1.isin(df2)].dropna()
Out[138]:
   col1  col2
3     4    13
4     5    14

但是，如果df2没有以相同的方式启动行，那么这将不起作用:

df2 = pd.DataFrame(data = {'col1' : [2, 3,4], 'col2' : [11, 12,13]})

将产生整个DF:

In [140]:

df1[~df1.isin(df2)].dropna()
Out[140]:
   col1  col2
0     1    10
1     2    11
2     3    12
3     4    13
4     5    14

当前选择的解决方案产生不正确的结果。 为了正确解决这个问题，我们可以执行从DF1到DF2的左联接，确保首先只获取DF2的唯一行。

首先，我们需要修改原始数据框架，以添加带有数据[3，10]的行。

df1 = pd.DataFrame(data = {'col1' : [1, 2, 3, 4, 5, 3], 
                           'col2' : [10, 11, 12, 13, 14, 10]}) 
df2 = pd.DataFrame(data = {'col1' : [1, 2, 3],
                           'col2' : [10, 11, 12]})

df1

   col1  col2
0     1    10
1     2    11
2     3    12
3     4    13
4     5    14
5     3    10

df2

   col1  col2
0     1    10
1     2    11
2     3    12

执行左联接，消除DF2中的重复项，以便DF1的每一行正好与DF2的一行联接。 使用参数indicator返回一个额外的列，指示该行来自哪个表。

df_all = df1.merge(df2.drop_duplicates(), on=['col1','col2'], 
                   how='left', indicator=True)
df_all

   col1  col2     _merge
0     1    10       both
1     2    11       both
2     3    12       both
3     4    13  left_only
4     5    14  left_only
5     3    10  left_only

创建布尔条件:

df_all['_merge'] == 'left_only'

0    False
1    False
2    False
3     True
4     True
5     True
Name: _merge, dtype: bool

少数解决方案犯了同样的错误--它们只检查每个值在每列中是独立的，而不是一起在同一行中。 添加最后一行（它是唯一的，但包含DF2中两列的值）会暴露错误:

common = df1.merge(df2,on=['col1','col2'])
(~df1.col1.isin(common.col1))&(~df1.col2.isin(common.col2))
0    False
1    False
2    False
3     True
4     True
5    False
dtype: bool

此解决方案得到同样的错误结果:

df1.isin(df2.to_dict('l')).all(1)

假设索引在数据帧中是一致的（不考虑实际的col值）:

df1[~df1.index.isin(df2.index)]