可以使用isin方法：

In [1]: df = pd.DataFrame({'A': [5,6,3,4], 'B': [1,2,3,5]})

In [2]: df
Out[2]:
   A  B
0  5  1
1  6  2
2  3  3
3  4  5

In [3]: df[df['A'].isin([3, 6])]
Out[3]:
   A  B
1  6  2
2  3  3

要获得相反的结果，请使用~：

In [4]: df[~df['A'].isin([3, 6])]
Out[4]:
   A  B
0  5  1
3  4  5

您可以使用方法查询：

df.query('A in [6, 3]')
# df.query('A == [6, 3]')

或

lst = [6, 3]
df.query('A in @lst')
# df.query('A == @lst')

您可以将列表中的值存储为：
lis = [3,6]
那么
df1 = df[df['A'].isin(lis)]

另一种方法;

df.loc[df.apply(lambda x: x.A in [3,6], axis=1)]

与isin方法不同，这在确定列表是否包含列A的函数时特别有用。

df.loc[df.apply(lambda x: 2*x.A-5 in [3,6], axis=1)]

应当注意，这种方法比isin方法慢。

不一定是一个它可以是set，tuple，dictionary，numpy阵列，Pandas系列，发电机，range等，isin()和query()仍然可以工作。

选择行的一些常见问题

1. list_of_values是一个范围

如果您需要在一个范围内过滤，您可以使用between()方法或query()。

list_of_values = [3, 4, 5, 6] # a range of values

df[df['A'].between(3, 6)]  # or
df.query('3<=A<=6')

2.按照list_of_values的顺序返回df

在OP中，list_of_values中的值在df中并不按此顺序出现。如果您希望df按它们在list_of_values中出现的顺序返回，即按list_of_values "排序"，请使用loc。

list_of_values = [3, 6]
df.set_index('A').loc[list_of_values].reset_index()

如果要保留旧索引，可以使用以下方法。

list_of_values = [3, 6, 3]
df.reset_index().set_index('A').loc[list_of_values].reset_index().set_index('index').rename_axis(None)

3.不要使用apply

一般来说，isin()和query()是完成此任务的最佳方法;不需要apply()，例如，对于列A上的函数f(A) = 2*A - 5，isin()和query()的工作效率都高得多：

df[(2*df['A']-5).isin(list_of_values)]         # or
df[df['A'].mul(2).sub(5).isin(list_of_values)] # or
df.query("A.mul(2).sub(5) in @list_of_values")

4.选择不在list_of_values中的行

要选择不在list_of_values中的行，请对isin()/in求反：

df[~df['A'].isin(list_of_values)]
df.query("A not in @list_of_values")  # df.query("A != @list_of_values")

5.选择list_of_values中包含多列的行

如果您想使用两个（或多个）列进行过滤，可以使用any()和all()来根据需要减少列数（axis=1）。
1.选择A或B中至少有一个在list_of_values中的行：

df[df[['A','B']].isin(list_of_values).any(1)]
df.query("A in @list_of_values or B in @list_of_values")

1.选择A和B都在list_of_values中的行：

df[df[['A','B']].isin(list_of_values).all(1)] 
df.query("A in @list_of_values and B in @list_of_values")

奖金：

也可以在query()中调用isin()：

df.query("A.isin(@list_of_values).values")

F弦更棘手

list_of_values = [3,6]

df.query(f'A in {list_of_values}')

上面的答案是正确的，但是如果您仍然不能按预期筛选出行，请确保两个DataFrame的列具有相同的dtype。

source = source.astype({1: 'int64'})
to_rem = to_rem.astype({'some col': 'int64'})

works = source[~source[1].isin(to_rem['some col'])]

花了我够长时间。

在速度方面进行比较的非Pandas解决方案可能是：

filtered_column = set(df.A) - set(list_list_of_values)