你的问题出在列表推导式的逻辑上——当前的写法会遍历list_age里的每一个元素，只要age != x就执行一次append操作。比如年龄为12的条目，会满足12 !=13、12 !=11、12 !=10三个条件，对应的姓氏会被添加3次；而年龄为13的条目，会满足13 !=11和13 !=10两个条件，姓氏被添加2次，这就导致结果里出现大量重复项。

下面是几种正确的实现方式：

方法1：修改循环判断逻辑（最直观） #

直接用age not in list_age替代逐个判断，只要年龄不在排除列表里，就添加一次姓氏：

list_age = [13,11,10]
list_n = []
for age, surname in zip(df.Age, df.Surname):
    if age not in list_age:
        list_n.append(surname)

执行后list_n的结果就是正确的：['Black', 'Ferrari', 'Red', 'Man']

方法2：用列表推导式直接生成结果（更简洁） #

把判断逻辑整合到列表推导式中，一步生成目标列表：

list_age = [13,11,10]
list_n = [surname for age, surname in zip(df.Age, df.Surname) if age not in list_age]

这种写法和方法1逻辑一致，但代码更紧凑，是更Pythonic的写法。

方法3：利用Pandas内置方法（最高效） #

既然你已经在使用DataFrame，推荐直接用Pandas的isin方法结合取反操作，避免手动循环，效率更高（尤其是数据量较大时）：

list_age = [13,11,10]
list_n = df[~df['Age'].isin(list_age)]['Surname'].tolist()

这里df['Age'].isin(list_age)会返回一个布尔Series，表示每行年龄是否在排除列表中，~符号用来取反，筛选出不在列表中的行，最后提取Surname列并转为列表即可。

内容的提问来源于stack exchange，提问作者Lorenzo Negri