如何在Pandas DataFrame中提取匹配两列表交叉组合的行？

问题背景 #

现有两个列表：

List1:
123 
456 
789 

List2:
321
654
987

需要生成跨列表的双向交叉组合（即List1元素与List2元素的所有有序配对，包含A来自List1+B来自List2，以及A来自List2+B来自List1的情况，排除同一列表内元素的组合），最终组合如下：

123-321
123-654
123-987
456-321
456-654
456-987
789-321
789-654
789-987
321-123
321-456
321-789
654-123
654-456
654-789
987-123
987-456
987-789

需要用这些组合匹配Pandas DataFrame的A、B两列，提取匹配成功的行。

示例输入DataFrame：

A   B   Value
123 321 0.5
456 111 0.4
987 654 0.3

期望输出：

A   B   Value
123 321 0.5

实现步骤 #

1. 生成合法的交叉组合元组集合 #

先定义原始列表，再生成所有跨列表的有序配对：

import pandas as pd

# 定义原始列表
list1 = [123, 456, 789]
list2 = [321, 654, 987]

# 生成所有跨列表的有序组合：包含list1→list2和list2→list1的双向配对
valid_pairs = []
# 添加list1元素在前的组合
for x in list1:
    for y in list2:
        valid_pairs.append((x, y))
# 添加list2元素在前的组合
for x in list2:
    for y in list1:
        valid_pairs.append((x, y))
# 转换成集合，提升后续匹配效率
valid_pairs_set = set(valid_pairs)

2. 匹配DataFrame并过滤行 #

将DataFrame每行的A、B列转换成元组，检查是否存在于合法组合集合中：

# 构建示例输入DataFrame
df = pd.DataFrame({
    'A': [123, 456, 987],
    'B': [321, 111, 654],
    'Value': [0.5, 0.4, 0.3]
})

# 筛选符合条件的行
result = df[df.apply(lambda row: (row['A'], row['B']) in valid_pairs_set, axis=1)]

# 输出结果
print(result)

执行后得到的结果：

A    B  Value
0  123  321    0.5

大数据量优化 #

如果DataFrame数据量较大，apply方法效率偏低，可以用zip批量生成元组序列，再用isin方法提速：

# 批量生成A、B列的元组序列
df_pairs = list(zip(df['A'], df['B']))
# 筛选匹配的行
result = df[pd.Series(df_pairs).isin(valid_pairs_set)]

内容的提问来源于stack exchange，提问作者honeymoon