使用另一个数据帧从Python中的数据帧中删除记录

我已经为此挣扎了几天了——我读过很多类似的帖子，并使用了它们的代码答案。基本上，我尝试从这个数据帧中过滤（删除）行：

Name: df

       OrderQty InvoiceDate 
CID                        
1000363         6   1/20/2020
1002047         1  10/14/2019
1003565         7   10/9/2019
1003680         5   10/2/2019
1010933         1  12/10/2019

[115547 rows x 2 columns]
Type : 'pandas.core.frame.DataFrame'
Index: CID

使用另一个看起来非常相似的数据帧：

Name: df2

       OrderQty InvoiceDate 
CID                        
1000363         6   1/20/2020
1002047         1  10/14/2019
1003565         7   10/9/2019
1003680         5   10/2/2019
1010933         1  12/10/2019

[6387 rows x 2 columns]
Type : 'pandas.core.frame.DataFrame'
Index: CID

列“CID”上的df2（每个CID一行-这些是我想从df中删除的CID）和df（多行中多行具有相同的CID）之间存在一对多关系

到目前为止，我已经尝试了以下方法来尝试删除df中具有相同CID的行：

new_df = df[df['CID']].isin(df2[df2['CID']])

给出一个键错误

cond = df['CID'].isin(df2['CID'])
new_df = df.drop(df[cond].index, inplace = True)

new_df = df['CID'].isin(df2).dropna()

new_df = df[~df['CID'].isin(df2)].dropna()

new_df = df.query('CID not in @df2')

给出一个键错误

cond = df['CID'].isin(df2['CID'])
new_df = df.drop(df[cond].index, inplace = True)

new_df = df['CID'].isin(df2).dropna()

new_df = df[~df['CID'].isin(df2)].dropna()

new_df = df.query('CID not in @df2')

给出一个键错误

cond = df['CID'].isin(df2['CID'])
new_df = df.drop(df[cond].index, inplace = True)

new_df = df['CID'].isin(df2).dropna()

new_df = df[~df['CID'].isin(df2)].dropna()

new_df = df.query('CID not in @df2')

给出一个键错误

cond = df['CID'].isin(df2['CID'])
new_df = df.drop(df[cond].index, inplace = True)

new_df = df['CID'].isin(df2).dropna()

new_df = df[~df['CID'].isin(df2)].dropna()

new_df = df.query('CID not in @df2')

无错误，但不会从df中删除和记录

new_df = df[~df.CID.isin(df2)]

提供AttributeError:“DataFrame”对象没有属性“CID”

我现在非常困惑——我已经关闭/重置了我的python应用程序好几次，使用了我每次阅读的不同帖子中的不同代码片段（如上），没有任何更改。我认为我面临的问题可能是将“CID”作为索引，或者是我正在处理的一对多关系

提前感谢

熊猫在标签上工作，默认情况下，这些标签将是数据帧的索引。在您的例子中，CID是索引，因此这应该像

df_new = df.drop(df2.index)

---

试着运行：

cond=df['CID'].isin（df2['CID'].values）

new_df=df.drop（df[cond].index，inplace=True）它与您运行的第一个类似，但是根据数组而不是序列检查可能会起作用。不幸的是，我无法让它起作用。我的伙计们，感谢我得到的回复df_new=df.drop（df2.index）工作-令人惊讶的是，这么小的一行代码如何产生如此大的差异！非常感谢你的帮助！