这个例子是否说明了您的问题？更准确地说，最后的输出是您所期望的吗？
In [1]: import pandas as pd
In [2]: record_data = pd.DataFrame([[1,2,'a'],[2,6,'b'],[2,2,'c']], columns=['bedrooms', 'bathrooms', 'something_else'])
In [3]: record_data
Out[3]:
bedrooms bathrooms something_else
0 1 2 a
1 2 6 b
2 2 2 c
In [4]: structured_data = pd.DataFrame([[1,2,'d'],[2,3,'e'],[1,3,'e']], columns=['bedrooms', 'bathrooms', 'something_else'])
In [5]: structured_data
Out[5]:
bedrooms bathrooms something_else
0 1 2 d
1 2 3 e
2 1 3 e
In [6]: record_data[record_data.bedrooms.isin(structured_data.bedrooms) & record_data.bathrooms.isin(structured_data.bathrooms)]
Out[6]:
bedrooms bathrooms something_else
0 1 2 a
2 2 2 c
编辑：
根据您在下面的回答，问题是您要独立检查每一列。你得到记录{'bedrooms': 2, 'bathrooms': 6}，因为structured_data 包含一行bedrooms=2，还包含一行bathrooms=6。您的条件不需要它是同一行。
让我们举一个更大的例子。
In [1]: import pandas as pd
In [3]: structured_data = pd.DataFrame([[1,2,'d'],[2,3,'e'],[1,3,'e'],[1,6,'e']], columns=['bedrooms', 'bathrooms', 'something_else'])
In [4]: structured_data
Out[4]:
bedrooms bathrooms something_else
0 1 2 d
1 2 3 e
2 1 3 e
3 1 6 e
In [5]: record_data = pd.DataFrame([[1,2,'a'],[2,6,'b'],[2,2,'c'],[1,8,'g'],[4,2,'h']], columns=['bedrooms', 'bathrooms', 'something_else'])
In [6]: record_data
Out[6]:
bedrooms bathrooms something_else
0 1 2 a
1 2 6 b
2 2 2 c
3 1 8 g
4 4 2 h
现在让我们分解record_data[record_data.bathrooms.isin(structured_data.bathrooms) & record_data.bedrooms.isin(structured_data.bedrooms)]，看看会发生什么。
In [7]: record_data.bathrooms.isin(structured_data.bathrooms)
Out[7]:
0 True
1 True
2 True
3 False
4 True
Name: bathrooms, dtype: bool
请注意，索引是record_data 的索引。输出没有说明匹配了structured_data 的哪些行。
In [8]: record_data.bedrooms.isin(structured_data.bedrooms)
Out[8]:
0 True
1 True
2 True
3 True
4 False
Name: bedrooms, dtype: bool
同样，我们没有关于 structured_data 行的信息。
In [9]: record_data.bathrooms.isin(structured_data.bathrooms) & record_data.bedrooms.isin(structured_data.bedrooms)
Out[9]:
0 True
1 True
2 True
3 False
4 False
dtype: bool
In [10]: record_data[record_data.bathrooms.isin(structured_data.bathrooms) & record_data.bedrooms.isin(structured_data.bedrooms)]
Out[10]:
bedrooms bathrooms something_else
0 1 2 a
1 2 6 b
2 2 2 c
想知道代码有没有问题。
你现在明白什么问题了吗？
我想要实现的是整合两个数据集，最终让一个数据集提供所有独特的记录。
澄清一下，您希望所有记录都出现在任一数据集中吗？还是只有两个数据集中的记录？
假设是前者。
一些想法：
-
鉴于两个数据集都很小，您可以使用 Python sets 并计算并集。
In [28]: { tuple(rec) for rec in record_data[['bedrooms', 'bathrooms']].values.tolist() }
Out[28]: {(1, 2), (1, 8), (2, 2), (2, 6), (4, 2)}
您可以连接您的数据集（假设它们具有相同的列）并使用drop_duplicates 来获得唯一的组合。 Merge, join, and concatenate 上的文档有很多例子。
编辑 2：
根据您的新答案，您可以使用merge() 执行相当于 SQL inner join 的操作：
In [12]: pd.merge(left=record_data, right=structured_data.drop('something_else', axis=1), how='inner', on=['bedrooms', 'bathrooms'])
Out[12]:
bedrooms bathrooms something_else
0 1 2 a