如何根据指定dataframe的条件过滤目标dataframe中的匹配行

实现思路 #

核心是动态读取df2的匹配规则，通过多列组合值匹配的方式过滤df1，无需硬编码任何过滤值，适配df2的内容变更。

• 仅需提前配置df1中与df2列顺序一一对应的匹配列名，核心逻辑永久生效
• 提供两种实现方案，分别适配不同数据量场景

完整可运行代码 #

import pandas as pd

# 构造测试数据（实际使用时替换为自己的数据读取逻辑即可）
df1 = pd.DataFrame({
    'from id': [1,4,5,2],
    'from group': ['A','B','F','B'],
    'to id': [3,4,5,3],
    'to group': ['B','X','J','A']
})

df2 = pd.DataFrame({
    'From': ['A','F'],
    'To': ['B','J']
})

# -------------------------- 核心配置（仅此处需要根据匹配规则调整） --------------------------
# 列表内的列名顺序需要和df2的列顺序一一对应，匹配列数变化时仅改此处即可
df1_match_cols = ['from group', 'to group']
# -----------------------------------------------------------------------------------------

# 方案1：集合匹配法，适合中小数据量，代码简洁
filter_keys = set(df2.itertuples(index=False, name=None))
df_result = df1[~df1[df1_match_cols].apply(tuple, axis=1).isin(filter_keys)]

# 方案2：左连接反匹配法，适合大数据量，矢量化操作性能更高
# df2_renamed = df2.set_axis(df1_match_cols, axis=1)
# df_merge = df1.merge(df2_renamed, on=df1_match_cols, how='left', indicator=True)
# df_result = df_merge[df_merge['_merged'] == 'left_only'].drop('_merged', axis=1)

# 输出结果
print(df_result)

灵活性说明 #

1. df2的行内容增删改时，不需要修改任何逻辑，代码会自动读取最新的过滤规则
2. 如果后续匹配维度变化（比如需要新增匹配列、调整匹配顺序），仅需要修改df1_match_cols的配置，核心过滤逻辑完全不用调整

运行结果 #

和需求预期输出完全一致。

内容的提问来源于stack exchange，提问作者tj judge