如何基于指定列移除存在于另一个pd.DataFrame中的行？

你原来的代码c = a[a[matchcolumns] == b[matchcolumns]]没法实现需求，原因有两个：一是两个DataFrame行数不同时，列直接比较会产生大量NaN值，导致判断逻辑失效；二是代码逻辑是找a和b匹配列相等的行，而你要的是a中未在b出现的行，方向搞反了。

下面给两种靠谱的实现方法：

方法一：用merge+标记列筛选 #

这种方法逻辑清晰，适合大多数场景：

1. 只保留b里的匹配列，和a做左连接，同时开启indicator参数标记每行的来源
2. 筛选出标记为left_only的行，这些就是a独有的、没在b里出现的行
3. 最后删掉标记列即可

import pandas as pd

# 示例数据
a = pd.DataFrame({
    'color': ['red', 'blue', 'green'],
    'value': [0.1, 0.2, 0.3],
    'cost': [5.99, 6.99, 9.99]
})

b = pd.DataFrame({
    'color': ['red'],
    'value': [0.1],
    'cost': [0.9]
})

matchcolumns = ['color', 'value']

# 左连接并标记行来源
merged_df = a.merge(b[matchcolumns], on=matchcolumns, how='left', indicator=True)
# 筛选a独有的行
c = merged_df[merged_df['_merge'] == 'left_only'].drop('_merge', axis=1)

print(c)

方法二：转元组+isin取反 #

如果数据量不大，这种写法更简洁：

1. 把b的匹配列转换成元组列表（因为isin不支持直接比较多列）
2. 把a的匹配列也转成元组，用isin判断是否存在于b的元组列表中，再用~取反
3. 筛选出结果

import pandas as pd

# 示例数据
a = pd.DataFrame({
    'color': ['red', 'blue', 'green'],
    'value': [0.1, 0.2, 0.3],
    'cost': [5.99, 6.99, 9.99]
})

b = pd.DataFrame({
    'color': ['red'],
    'value': [0.1],
    'cost': [0.9]
})

matchcolumns = ['color', 'value']

# 提取b中匹配列的元组集合
b_match_tuples = list(b[matchcolumns].itertuples(index=False, name=None))
# 筛选a中不在b里的行
c = a[~a[matchcolumns].itertuples(index=False, name=None).isin(b_match_tuples)]

print(c)

两种方法运行后都会得到你期望的结果：

color  value  cost
1   blue    0.2  6.99
2  green    0.3  9.99

内容的提问来源于stack exchange，提问作者delete