如何在Python Pandas的.loc中实现SQL多条件合并查询逻辑？

你的核心问题是要把gameId和playId作为组合主键来判断是否排除，而非单独判断每个字段。之前的代码逻辑有误，因为单独字段的isin判断无法代表组合的唯一性，才会导致结果不符合预期或报错。

下面是两种可行的实现方式：

方法1：直接判断字段组合是否在目标集合中 #

先把brokenplays里的gameId和playId组合成元组集合，再用apply把scout的对应字段转成元组，最后做整体判断：

# 生成brokenplays中需要排除的(gameId, playId)组合
broken_pairs = list(zip(brokenplays['gameId'], brokenplays['playId']))

# 构建完整过滤条件
filter_condition = (
    scout['nflId'].isin(OLs.nflId)
    # 取反：排除组合匹配的行
    & ~scout[['gameId', 'playId']].apply(tuple, axis=1).isin(broken_pairs)
)

# 应用过滤
filtered_scout = scout.loc[filter_condition]

方法2：用左连接标记后过滤 #

通过merge左连接scout和brokenplays的组合字段，标记出匹配的行，再过滤掉这些行：

# 左连接，只保留brokenplays的组合字段，添加_merge标记列
scout_joined = scout.merge(
    brokenplays[['gameId', 'playId']],
    on=['gameId', 'playId'],
    how='left',
    indicator=True
)

# 过滤条件：nflId符合要求，且未匹配到brokenplays的行
filtered_scout = scout_joined.loc[
    scout_joined['nflId'].isin(OLs.nflId)
    & (scout_joined['_merge'] == 'left_only')
].drop(columns='_merge')  # 移除标记列

为什么原来的代码不对？ #

你之前的逻辑是gameId不在brokenplays的gameId列表里 并且 playId不在brokenplays的playId列表里，这会错误排除很多不需要排除的行——比如某个gameId在brokenplays里，但对应的playId不在，或者反过来。而我们真正要排除的是**gameId和playId的组合完全匹配brokenplays中某一行**的记录，必须把两个字段作为整体判断。

内容的提问来源于stack exchange，提问作者user11279819