Python 如果数据帧中的行与基于索引的第二个数据帧匹配，则删除这些行

我有一个数据帧，其中包含一些“无效”行，我想删除这些行。我有第二个数据帧，其中包含这些无效行

无效行为=

DatetimeIndex(['2019-11-11', '2019-12-06', '2019-12-13', '2019-12-15',
           '2019-12-17', '2019-12-18', '2019-12-19', '2019-12-31',
           '2020-01-01', '2020-01-02', '2020-01-03', '2020-01-10',
           '2020-01-15', '2020-01-17', '2020-01-22', '2020-02-05',
           '2020-02-07', '2020-02-09', '2020-02-10', '2020-02-12',
           '2020-02-14', '2020-02-19', '2020-02-20', '2020-02-21',
           '2020-02-25', '2020-02-26', '2020-02-28', '2020-03-02',
           '2020-03-04', '2020-03-06', '2020-03-11', '2020-03-12',
           '2020-03-15', '2020-03-22', '2020-03-29', '2020-04-04',
           '2020-04-11', '2020-04-13', '2020-05-13', '2020-05-23',
           '2020-05-29', '2020-05-30', '2020-06-12', '2020-06-15',
           '2020-06-19', '2020-06-24', '2020-06-26', '2020-07-09',
           '2020-07-10', '2020-07-11', '2020-07-12', '2020-07-16',
           '2020-07-17', '2020-07-18', '2020-07-20', '2020-07-23',
           '2020-07-24', '2020-07-26'],
          dtype='datetime64[ns]', name='dateTime', freq=None)

我想从以下位置删除这些行（日期）：

我试过：

df_steps1h.loc[df_steps1h.index.difference(df_valid.index), ]

及

数据帧是不同的，所以我不想使用concat或merge。 但它不会移除任何东西。你知道为什么吗？

---

谢谢

将df视为无效的行数据帧，将df\u valid视为要从中删除的原始数据帧

df_valid.loc[:,"actual_index"]=df_valid.index
df_valid.loc[:,"actual_index"]=df_valid.loc[:,"actual_index"].apply(lambda x: datetime.strftime(x,'%Y-%m-%d'))
df_valid.loc[:,"actual_index"]=pd.to_datetime(df_valid.loc[:,"actual_index"])
df_valid=df_valid[~df_valid.actual_index.isin(df.index)]
df_valid.drop('actual_index', inplace=True, axis=1)

在上述查询中，尽管数据帧的索引类型为DatetimeIndex，但其值与基于频率的其他数据帧的值有显著差异

---

解决方案旨在将其转换为类似的频率，从而执行操作。

Hello！感谢您的回答，我尝试运行您的代码，但它不会删除任何行：/请在编辑后重试。我已经更改了这一行

df\u valid=df\u valid[~df\u valid.actual\u index.isin（df.index）]

现在我得到：一个值正试图在数据帧的一个切片副本上设置请参见文档中的警告：errors=errors，但我仍然需要数据帧包含每个小时的信息！我更改了

df\u valid=df\u valid[~df\u valid.index.isin（df.index）]

，它可以正常工作

df_steps1h[~df_steps1h.index.isin(df_valid.index)].dropna()

df_valid.loc[:,"actual_index"]=df_valid.index
df_valid.loc[:,"actual_index"]=df_valid.loc[:,"actual_index"].apply(lambda x: datetime.strftime(x,'%Y-%m-%d'))
df_valid.loc[:,"actual_index"]=pd.to_datetime(df_valid.loc[:,"actual_index"])
df_valid=df_valid[~df_valid.actual_index.isin(df.index)]
df_valid.drop('actual_index', inplace=True, axis=1)