如何在Pandas中根据多列组合值删除DataFrame行

嘿，这个需求太常见了！咱有两种实用的方法可以搞定，适配不同的数据规模场景：

方法一：将多列转为元组序列（简洁直观） #

这种思路和你单列用isin的逻辑一脉相承，只是把需要匹配的多列合并成元组，再判断是否在移除列表里：

import pandas as pd

# 你的示例数据
data = {
    'client': [1,2,3,4,5],
    'account_type': [2,2,3,2,4],
    'description': ['photographer','banker','banker','journalist','journalist']
}
df = pd.DataFrame(data)

remove_list = [(2, 'journalist'), (3, 'banker')]

# 把指定列转成元组序列，生成匹配掩码
mask = df[['account_type', 'description']].apply(tuple, axis=1).isin(remove_list)
# 取反保留不需要删除的行
df_filtered = df[~mask]
print(df_filtered)

运行后就能得到你期望的输出，这种写法代码简洁、理解成本低，非常适合中小规模的数据集。

方法二：用Merge实现（高效适配大数据集） #

如果你的DataFrame数据量很大，apply的逐行操作可能效率偏低，这时候用merge的向量化操作会快很多：

# 把移除列表转为临时DataFrame，列名要和原df对应
remove_df = pd.DataFrame(remove_list, columns=['account_type', 'description'])

# 左连接原df和临时df，添加_merge列标记数据来源
merged_df = df.merge(remove_df, on=['account_type', 'description'], how='left', indicator=True)

# 只保留仅来自原df的行（即不在移除列表里的行），最后删除标记列
df_filtered = merged_df[merged_df['_merge'] == 'left_only'].drop(columns=['_merge'])
print(df_filtered)

这种方法的优势是底层用了pandas的向量化优化，处理十万级以上的数据时速度会明显快于apply，而且扩展到更多列也超简单——只要在on参数里添加对应的列名就行。

内容的提问来源于stack exchange，提问作者AnarKi