使用merge和外部连接，过滤器为query，最后删除辅助列为drop：

df = pd.merge(df1, df2, on=['A','B'], how='outer', indicator=True)
       .query("_merge != 'both'")
       .drop('_merge', axis=1)
       .reset_index(drop=True)
print (df)
     A  B  C
0  qwe  5  a
1  rty  9  f
2  iop  1  k

我发现的最干净的方法是使用drop from pandas，使用你想要删除的dataframe的索引：

df1.drop(df2.index, axis=0,inplace=True)

可以使用np.in1d检查df1中的任何行是否存在于df2中。然后将其用作反向掩码来从df1中选择行。

df1[~df1[['A','B']].apply(lambda x: np.in1d(x,df2).all(),axis=1)]\
                   .reset_index(drop=True)
Out[115]: 
     A  B  C
0  qwe  5  a
1  rty  9  f
2  iop  1  k

pandas有一个名为isin的方法，但是这依赖于唯一的索引。我们可以定义一个lambda函数来创建列，我们可以在df1和df2的现有'A'和'B'中使用。然后我们否定这个（因为我们想要不在df2中的值）并重置索引：

import pandas as pd

df1 = pd.DataFrame({'A' : ['qwe', 'wer', 'wer', 'rty', 'tyu', 'tyu', 'tyu', 'iop'],
                    'B' : [    5,     6,     6,     9,     7,     7,     7,     1],
                    'C' : ['a'  ,   's',   'd',   'f',   'g',   'h',   'j',   'k']})

df2 = pd.DataFrame({'A' : ['wer', 'tyu'],
                    'B' : [    6,     7]})

unique_ind = lambda df: df['A'].astype(str) + '_' + df['B'].astype(str)
print df1[~unique_ind(df1).isin(unique_ind(df2))].reset_index(drop=True)

印刷：

A  B  C
0  qwe  5  a
1  rty  9  f
2  iop  1  k

我认为最干净的方法可以是：
我们有基本 Dataframe D并且想要移除子集D1。令输出为D2

D2 = pd.DataFrame(D, index = set(D.index).difference(set(D1.index))).reset_index()

我发现这个替代方案也很有用：

pd.concat([df1,df2], axis=0, ignore_index=True).drop_duplicates(subset=["A","B"],keep=False, ignore_index=True)

         A   B  C
    0   qwe  5  a
    1   rty  9  f
    2   iop  1  k

keep=False删除两个副本。
它不需要把所有相等的列放在两个df之间，所以我发现这有点容易。

使用此版本删除所有具有df1和df2之间的匹配索引的行，但我收到错误，因为它无法找到特定的索引，我关闭了错误，它工作得很好。谢谢：

df1.drop(df2.index, axis=0, inplace=True, errors = 'ignore')