在Pandas DataFrame中按指定列序列匹配行并提取值

要实现适配列名和列数量变化的通用匹配方案，核心是动态生成目标列名并批量验证行匹配，具体步骤如下：

1. 动态生成目标列名
   根据输入的in_列表，用列表推导式生成对应DataFrame列名，比如in_=[2,3]会生成['A2','A3']：

cols = [f'A{i}' for i in in_]

2. 生成批量匹配掩码
   利用pandas的eq()方法批量对比目标列与li的对应值，再通过all(axis=1)判断每行是否所有列都匹配成功：

mask = df[cols].eq(li).all(axis=1)

3. 提取匹配结果
   用掩码筛选出匹配行，直接获取索引和A1列的值：

# 获取匹配行索引（多行匹配时返回索引数组）
matched_indexes = df[mask].index
# 获取匹配行的A1列值（多行匹配时返回Series）
a1_values = df.loc[mask, 'A1']

完整示例验证 #

用你提供的示例DataFrame测试：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]],
                   columns=['A1', 'A2', 'A3'])

# 可变输入参数
in_ = [2, 3]
li = [5, 6]

# 执行匹配逻辑
cols = [f'A{i}' for i in in_]
mask = df[cols].eq(li).all(axis=1)

matched_indexes = df[mask].index
a1_values = df.loc[mask, 'A1']

print(f"匹配行索引：{matched_indexes.tolist()}")
print(f"A1列对应值：{a1_values.tolist()}")

输出结果：

匹配行索引：[1]
A1列对应值：[4]

边界情况处理 #

如果担心无匹配行导致报错，可添加判断逻辑：

if mask.any():
    matched_indexes = df[mask].index
    a1_values = df.loc[mask, 'A1']
else:
    print("未找到匹配行")

内容的提问来源于stack exchange，提问作者edgar