同一Pandas DataFrame实现多条件组合过滤的最佳方法

• 逻辑简化说明
  你要筛选的两类行可以直接做逻辑合并，两类行的特征分别是：
  1. Areacode匹配、t字段不匹配
  2. Areacode不匹配、t字段不匹配
     可以看到两类行的共性是t字段一定不匹配，如果你的需求确实是排除所有t字段匹配的行（包括t匹配但Areacode不匹配的行），可以直接用最简写法：

filtered_df = merged_df.loc[merged_df['t_1'] != merged_df['t_2']]

• 如果你实际需求是仅剔除「t和Areacode都完全匹配」的行，其余所有行都保留（包含t匹配但Areacode不匹配的行），可以用反向筛选写法：

# ~ 代表逻辑取反，直接排除两个字段都匹配的行
filtered_df = merged_df.loc[~((merged_df['t_1'] == merged_df['t_2']) & (merged_df['Areacode_1'] == merged_df['Areacode_2']))]

• 如果你就是要把原有两个条件直接拼接，也可以用逻辑或|连接，写法如下（和第一种最简写法逻辑完全等价）：

filtered_df = merged_df.loc[
    ((merged_df['t_1'] != merged_df['t_2']) & (merged_df['Areacode_1'] == merged_df['Areacode_2'])) |
    ((merged_df['t_1'] != merged_df['t_2']) & (merged_df['Areacode_1'] != merged_df['Areacode_2']))
]

以上三种写法在你提供的样例数据上运行，都会得到你预期的输出结果，自动剔除George对应的全匹配行。

内容的提问来源于stack exchange，提问作者aero8991