解决您的问题的一种可能方法是使用merge。检查df1中是否存在来自另一个数据帧（df2）的任何行（所有列）等同于确定两个数据帧的交集。可以使用以下功能完成此操作：
pd.merge(df1, df2, on=['A', 'B', 'C', 'D'], how='inner')
例如，如果df1是
AB C D0 0.403846 0.312230 0.209882 0.3979231 0.934957 0.731730 0.484712 0.7347472 0.588245 0.961589 0.910292 0.3820723 0.534226 0.276908 0.323282 0.6293984 0.259533 0.277465 0.043652 0.9257435 0.667415 0.051182 0.928655 0.7376736 0.217923 0.665446 0.224268 0.7725927 0.023578 0.561884 0.615515 0.3620848 0.346373 0.375366 0.083003 0.6636229 0.352584 0.103263 0.661686 0.246862
df2定义为：
A B CD0 0.259533 0.277465 0.043652 0.9257431 0.667415 0.051182 0.928655 0.7376732 0.217923 0.665446 0.224268 0.7725923 0.023578 0.561884 0.615515 0.3620844 0.346373 0.375366 0.083003 0.6636225 2.000000 3.000000 4.000000 5.0000006 14.000000 15.000000 16.000000 17.000000
该函数
pd.merge(df1, df2, on=['A', 'B', 'C', 'D'], how='inner')产生：
ABCD0 0.259533 0.277465 0.043652 0.9257431 0.667415 0.051182 0.928655 0.7376732 0.217923 0.665446 0.224268 0.7725923 0.023578 0.561884 0.615515 0.3620844 0.346373 0.375366 0.083003 0.663622
结果是df1和df2中的所有行（所有列）。
如果df1和df2中的列不相同，我们也可以修改此示例，并只比较与列子集相同的行值。如果我们修改原始示例：
df1 = pd.Dataframe(np.random.rand(10,4),columns=list('ABCD'))df2 = df1.ix[4:8]df2.reset_index(drop=True,inplace=True)df2.loc[-1] = [2, 3, 4, 5]df2.loc[-2] = [14, 15, 16, 17]df2.reset_index(drop=True,inplace=True)df2 = df2[['A', 'B', 'C']] # df2 has only columns A B C然后，我们可以在
common_cols = list(set(df1.columns) &set(df2.columns))两个数据框之间使用通用列，然后进行合并：
pd.merge(df1, df2, on=common_cols, how='inner')
编辑：
新问题（评论），从df2中识别出了第一个数据帧（df1）中也存在的行，是否有可能采用pd.merge（）的结果，然后从df2中删除行也在df1中
我不知道一种直接的方法来完成从df1中删除也从df2中删除行的任务。也就是说，您可以使用以下代码：
ds1 = set(tuple(line) for line in df1.values)ds2 = set(tuple(line) for line in df2.values)df = pd.Dataframe(list(ds2.difference(ds1)), columns=df2.columns)
可能存在一种更好的方式来完成该任务，但我不知道这种方法/功能。
编辑2： 如何从df2中删除也存在于df1中的行，如@WR答案所示。
提供的方法无法解决
df2[~df2['A'].isin(df12['A'])]所有类型的情况。考虑以下数据帧：
df1：
A B C D0 6 4 1 61 7 6 6 82 1 6 2 73 8 0 4 14 1 0 2 35 8 4 7 56 4 7 1 17 3 7 3 48 5 2 8 89 3 2 8 4
df2：
A B C D0 1 0 2 31 8 4 7 52 4 7 1 13 3 7 3 44 5 2 8 85 1 1 1 16 2 2 2 2
df12：
A B C D0 1 0 2 31 8 4 7 52 4 7 1 13 3 7 3 44 5 2 8 8
将上述Dataframes用于删除df1中也存在的df2中的行将导致以下结果：
A B C D0 1 1 1 11 2 2 2 2
（1、1、1、1）和（2、2、2、2）行在df2中，而不在df1中。不幸的是，使用提供的方法（
df2[~df2['A'].isin(df12['A'])]）会导致：
A B C D6 2 2 2 2
发生这种情况的原因是，在交集Dataframe（即（1、0、2、3））和df2中都找到了列A中的值1，因此删除了（1、0、2、3）和（1、1， 1
1）。这是意外的，因为（1，1，1，1）行不在df1中，因此不应删除。
我认为以下将提供解决方案。它创建一个伪列，该伪列随后用于将Dataframe子集化为所需结果：
df12['key'] = 'x'temp_df = pd.merge(df2, df12, on=df2.columns.tolist(), how='left')temp_df[temp_df['key'].isnull()].drop('key', axis=1)
