如何在Pandas中查找并移除含特定范围值（如日期）的DataFrame行

没问题，不管你的values列里的日期是有序排列还是随机无序的，Pandas都有通用且可靠的方案来实现这个需求——布尔索引过滤，这是处理行筛选/移除场景的核心方法，完全不依赖数据的顺序。

先构造一个模拟无序日期的示例DataFrame #

首先我们把你提供的示例修改成values列是无序日期的场景，更贴近你的实际需求：

import pandas as pd
import numpy as np

# 构造索引日期
d_index = pd.date_range('2018-01-01', '2018-01-06')
# 生成日期序列后打乱顺序，模拟无序随机日期
d_values = pd.date_range('2017-03-01', '2017-03-06')
np.random.shuffle(d_values)  # 打乱顺序，破坏原有有序性

s = pd.Series(d_values, name='values')
df = pd.DataFrame(s, index=d_index)

核心实现方法（两种思路） #

我们的目标是移除values列中**日期大于'2017-03-02'且小于'2017-03-05'**的行，以下两种方法都能完美适配无序场景：

方法1：用取反筛选排除目标行

先标记出需要移除的行，再通过取反保留其余行：

# 定义范围边界
lower_bound = '2017-03-02'
upper_bound = '2017-03-05'

# 构造布尔掩码：标记出值在目标范围内的行
mask = (df['values'] > lower_bound) & (df['values'] < upper_bound)
# 取反掩码，保留不在范围内的行
filtered_df = df[~mask]

方法2：直接构造保留条件（更直观）

直接筛选出符合保留要求的行（小于等于下限 或 大于等于上限）：

filtered_df = df[(df['values'] <= lower_bound) | (df['values'] >= upper_bound)]

验证效果 #

你可以打印原DataFrame和筛选后的结果对比，确认是否正确移除了目标行：

print("原DataFrame（values列无序）：")
print(df)
print("\n移除指定范围行后的DataFrame：")
print(filtered_df)

扩展：非日期类型的场景 #

这个方法不止适用于日期，如果你处理的是数值类型（整数、浮点数）的列，逻辑完全一样，比如移除值在10到20之间的行：

num_df = pd.DataFrame({'nums': [5, 15, 25, 12, 8, 22]})
filtered_num_df = num_df[~((num_df['nums'] > 10) & (num_df['nums'] < 20))]

内容的提问来源于stack exchange，提问作者padrian92