Python 按索引在表中选择行的多个部分

我有一个带有GPS路径和一些属性的大数据帧。我需要分析路径的几个部分。我只想将这些部分子集到一个新的数据帧中。我可以一次对一个部分进行子集划分，但我的想法是将它们全部包含在一起，并创建一个原始索引

问题类似于：

import pandas as pd 
df = pd.DataFrame({'A':[0,1,2,3,4,5,6,7,8,9],'B':['a','b','c','d','e','f','g','h','i','j']},
                  index=range(10,20,))

我想得到这样的东西：

cdf = df.loc[[11:13] & [17:20]] # SyntaxError: invalid syntax

预期结果：

    A  B
11  1  b
12  2  c
13  3  d
17  7  h
18  8  i
19  9  j

---

我知道使用

cdf=df.loc[[11,12,13,17,18,19]，：]这个例子很简单，但是在最初的问题中，我已经删除了数千行和一些条目，因此列表点不是一个选项。
一个可能的解决方案是：

另一种具有
范围的解决方案
：

cdf = df.ix[list(range(11,14)) + list(range(17,20))]
print (cdf)
    A  B
11  1  b
12  2  c
13  3  d
17  7  h
18  8  i
19  9  j

您可以使用来连接切片：

In [16]: df.loc[np.r_[11:13, 17:20]]
Out[16]: 
    A  B
11  1  b
12  2  c
17  7  h
18  8  i
19  9  j

然而，请注意
df.loc[A:B]
通过
B
选择包含
B
的标签
A
。
np.r\u[A:B]
返回
A
到
B
的数组，其中
B
被排除。要包含
B
，您需要使用
np.r\A:B+1]

当传递一个切片时，例如
df.loc[a:B]
，
df.loc
忽略不在
df.index
中的标签。相反，当传递一个数组时，例如
df.loc[np.r\A:B]
，
df.loc
可能会为数组中不在
df.index
中的每个值添加一个用NaN填充的新行

因此，为了产生所需的结果，您需要调整切片的右端点，并使用
isin
测试
df.index
中的成员资格：

In [26]: df.loc[df.index.isin(np.r_[11:14, 17:21])]
Out[26]: 
    A  B
11  1  b
12  2  c
13  3  d
17  7  h
18  8  i
19  9  j

谢谢，有趣的解决方案
In [26]: df.loc[df.index.isin(np.r_[11:14, 17:21])]
Out[26]: 
    A  B
11  1  b
12  2  c
13  3  d
17  7  h
18  8  i
19  9  j