如何在函数内基于索引同步删除两个DataFrame的对应行

核心逻辑是先统一提取所有待删除的行索引，再同时对两个DataFrame执行删除操作，相比原循环逐次删除的写法效率更高，实现代码如下：

def filna_intake(df, labels):
    # 定义要删除的intake取值列表
    exclude_values = [
        'bottom 25% bottom 25%', 'top 25% top 25%', 'mid 50% mid 50%',
        'mid 50% top 25%', 'mid 50% bottom 25%', 'top 25% mid 50%', 
        'bottom 25% mid 50%', 'top 25% bottom 25%', 'bottom 25% top 25%'
    ]
    # 一次性获取所有待删除的索引
    drop_index = df.loc[df['intake'].isin(exclude_values)].index
    # 同时删除两个DataFrame的对应行
    df.drop(drop_index, inplace=True)
    labels.drop(drop_index, inplace=True)
    return df, labels

predictors, labels = filna_intake(predictors, labels)

• 待删除索引通过df.loc[df['intake'].isin(exclude_values)].index直接获取，拿到的索引集合可以直接传入labels.drop方法实现对应行删除
• 必须保证传入的predictors和labels索引严格对齐，即同一索引值对应同一条样本，才能保证删除的是匹配的行
• 如果不想使用inplace参数（避免直接修改原变量产生副作用），可以改用如下无副作用的写法：

def filna_intake(df, labels):
    exclude_values = [
        'bottom 25% bottom 25%', 'top 25% top 25%', 'mid 50% mid 50%',
        'mid 50% top 25%', 'mid 50% bottom 25%', 'top 25% mid 50%', 
        'bottom 25% mid 50%', 'top 25% bottom 25%', 'bottom 25% top 25%'
    ]
    drop_index = df.loc[df['intake'].isin(exclude_values)].index
    df = df.drop(drop_index)
    labels = labels.drop(drop_index)
    return df, labels

内容的提问来源于stack exchange，提问作者Silvio sjsj