df.loc[pd.DataFrame([df.col1.isin(x) & (df.col2 == y) for x, y in zip(list1, list2)]).any(axis=0)]

IIUC，您可以尝试使用reduce连接所有掩码：

from functools import reduce

m = reduce(lambda x, y: x | y, [(df["col1"].isin(i) & (df["col2"] == j))
                                for i, j in zip(list1, list2)])
​
out = df.loc[m]

输出：

print(out)
​
  col1 col2 col3 col4
0    a    a    c    c
1    b    a    c    c
3    a    b    c    c

当你重复执行for cond in conditions: df = df.loc[cond]时，你实际上是在应用 * 所有 * 条件（和关系）。你的预期输出是当 * 任何 * 条件成立（或关系）时，如下所示：

pd.concat(df.loc[df['col1'].isin(i) & df['col2'].eq(j)] 
          for i,j in zip(list1,list2))

但是，您可以使用np.bitwise_or.reduce来创建or掩码，然后切片，而不是先切片再concat：

mask = np.bitwise_or.reduce([df['col1'].isin(i) & df['col2'].eq(j) 
                             for i,j in zip(list1, list2) ])
df.loc[mask]

输出

col1 col2 col3 col4
0    a    a    c    c
1    b    a    c    c
3    a    b    c    c

另一种方法是合并，但会丢失原始索引：

df.merge(pd.DataFrame({'col1': list1, 'col2':list2}).explode('col1'),
         on=['col1','col2'], how='inner')

输出（注意索引差异）：

col1 col2 col3 col4
0    a    a    c    c
1    b    a    c    c
2    a    b    c    c

另一种可能的解决方案，完全基于列表理解：

df.loc[[z in [(x1, x2) for x, y in zip(list1, list2)
              for x1 in x for x2 in y] 
        for z in zip(df['col1'], df['col2'])]]

输出：

col1 col2 col3 col4
0    a    a    c    c
1    b    a    c    c
3    a    b    c    c