我会使用 * boolean索引 * 和pandas.Series.isin：

m = df.agg(tuple, axis=1).isin(rows_to_remove)

df = df.loc[~m]

输出：

print(df)

   A  B
1  b  2
3  d  1

您可以使用带指示灯的merge：

out = (df.merge(pd.DataFrame(rows_to_remove, columns=['A', 'B']), indicator=True, how='left')
         .query('_merge == "left_only"')
         #.drop(columns='_merge') # commented to see the logic
       )

输出：

A  B     _merge
1  b  2  left_only
3  d  1  left_only

或者，与drop结合使用：

idx = (df.merge(pd.DataFrame(rows_to_remove, columns=['A', 'B']), how='left', indicator=True)
         .query('_merge == "both"').index
      )

out = df.drop(idx)

输出：

A  B
1  b  2
3  d  1

如果您import numpy as np，您可以：

df[~(df.values==np.array(rows_to_remove, dtype=object)[:,None]).any(0).all(-1)]

它很有趣，但也很有用，因为我在谷歌colab上测试，性能是274 µs ± 11.6 µs与1.44 ms ± 37.7µs从@永恒的解决方案，我认为是最好的，这是同一个来到我的脑海中，只要我读到的问题。
看看更大的DataFrame的区别会很有趣。

您可以从rows_to_remove创建一个 Dataframe ，然后附加到原始 Dataframe 并删除重复项：

>>> (pd.concat([df, pd.DataFrame(rows_to_remove, columns=['A', 'B'])])
       .drop_duplicates(['A', 'B'], keep=False))

   A  B
1  b  2
3  d  1

希望这能有所帮助。你可以使用'df.drop'按索引删除行/列。请看下面提到的：
数据框架.drop（标签=无、*、轴=0、索引=无、列=无、级别=无、位置=False、错误=“引发”）[https：//pandas.pydata.org/docs/reference/api/pandas.DataFrame.drop.html]