问题

我正在寻找最快的方法来删除一组已获得索引的行，或者从大型 Pandas DataFrame 中获取这些索引差异的子集（这会产生相同的数据集）。

到目前为止，我有两种解决方案，对我来说似乎相对较慢：

1. df.loc[df.difference(indices)]

   在我的数据集上大约需要 115 秒

2. df.drop(indices)

   在我的数据集上大约需要 215 秒

有没有更快的方法来做到这一点？最好是熊猫。

拟议解决方案的性能

• ~41 秒：df[~df.index.isin(indices)] @jezrael

问题 + MWE

如何使用如下所示的（两级）多索引从 Pandas DataFrame 中删除/删除多个范围的行：

idx1    idx2  |  value(s)   ...
------------------------------------------
4       0     |  1.123456   ...
        1     |  2.234567   ...
        2     |  0.012345   ...
8       0     | -1.123456   ...
        1     | -0.973915   ...
        2     |  1.285553   ...
        3     | -0.194625   ...
        4     | -0.144112   ...
...     ...   | ...         ...

要删除/删除的范围当前位于如下列表中：

ranges = [[(4, 1), (4, 2)],          # range (4,1):(4,2)
          [(8, 0), (8, 3)],          # range (8,0):(8,3)
          [(8, 5), (8, 10)], ...]    # range (8,5):(8,10)

主要问题是，我发现的大多数方法都不支持多索引或切片或多个切片/范围。

最好/最快的方法是什么。

当前丑陋的解决方案 …