如何在Pandas中基于多列并附加AND条件合并DataFrames？

我有一段可正常运行的MS SQL代码：

select *  from table_1
full outer join table_2 on 
                            table_1.Name = table_2.Name_2 and
                            table_1.Qty = table_2.Qty_2 and
                            table_1.[Month] = table_2.Month_2 and
                            table_1.class = 'X' and
                            table_2.class_2 = 'Y'

现在需要在Python中实现相同逻辑，目前写出了如下代码：

df_merge = pd.merge(table_1, table_2, how='outer', left_on=['Name', 'Qty', 'Month'], right_on=['Name_2', 'Qty_2', 'Month_2'])

请问如何在不使用where的情况下，为该合并操作添加and table_1.class = 'X' and table_2.class_2 = 'Y'这两个AND条件？因为使用where会得到不同结果。

要实现和SQL中FULL OUTER JOIN ON子句里的额外条件逻辑，不能直接先过滤表再合并（会丢失不满足条件的单边行），也不能合并后直接全局过滤（会丢失所有不匹配的行）。正确的做法是：先执行全外连接，再仅对匹配成功的行应用条件过滤，保留所有单边不匹配的行。

具体实现步骤：

1. 执行全外连接时添加indicator=True参数，让结果表新增_merge列，标记每行是左表独有（left_only）、右表独有（right_only）还是匹配成功（both）。
2. 过滤结果：匹配成功的行必须满足class='X'和class_2='Y'，单边独有的行全部保留。

代码示例：

# 执行全外连接并添加匹配标记
df_merge = pd.merge(
    table_1,
    table_2,
    how='outer',
    left_on=['Name', 'Qty', 'Month'],
    right_on=['Name_2', 'Qty_2', 'Month_2'],
    indicator=True
)

# 应用条件过滤：保留单边行，或满足条件的匹配行
df_merge = df_merge[
    (df_merge['_merge'] != 'both') | 
    ((df_merge['class'] == 'X') & (df_merge['class_2'] == 'Y'))
]

# 可选：删除_merge标记列（如果不需要的话）
df_merge = df_merge.drop(columns='_merge')

逻辑说明 #

SQL中FULL OUTER JOIN的ON子句条件仅用于判断两行是否匹配，而非过滤整个结果集：

• 左表中class!='X'的行、右表中class_2!='Y'的行会被保留，只是不会和对方表的行匹配。
• 只有当左右表行同时满足class='X'、class_2='Y'且连接键匹配时，才会被视为匹配行。

上述代码完全复现了这个逻辑，避免了先过滤或全局过滤导致的结果差异。

内容的提问来源于stack exchange，提问作者LiAfe